論文の概要: Conditional Tropical Cyclogenesis Rates via Rare-Event Sampling in a Neural Weather Emulator
- arxiv url: http://arxiv.org/abs/2606.30920v1
- Date: Mon, 29 Jun 2026 21:12:50 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-01 18:27:19.003533
- Title: Conditional Tropical Cyclogenesis Rates via Rare-Event Sampling in a Neural Weather Emulator
- Title（参考訳）: ニューラル気象エミュレータにおける希少事象サンプリングによる条件付き熱帯循環形成速度
- Abstract要約: 前向きフラックスサンプリング (FFS) を併用し, 条件付き熱帯性サイクロン発生率を推定した。
FFSは、初期界面圧力を通じて、成熟したサイクロン強化経路に希少な乱れをフラックスに分解する。
8月21日から2022年10月8日までの98の大西洋盆地の初期条件に適用され、FFSは3桁近くに及ぶ発生率を解消した。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We couple Forward Flux Sampling (FFS), a non-equilibrium rare-event technique from statistical mechanics, to a neural weather emulator (SDL-WXFormer, 1° grid spacing) to estimate conditional tropical cyclogenesis rates, or how often a tropical cyclone achieves a hurricane-level central pressure, without modifying model dynamics. Tropical cyclogenesis rates vary by orders of magnitude across regimes, yet direct ensemble sampling cannot resolve this variability at operationally feasible ensemble sizes. FFS decomposes the rare disturbance to mature cyclone intensification path into a flux through an initial interface pressure and a product of conditional crossing probabilities across four intermediate interface pressures. We use the 1° emulator because FFS requires O(10^4) model trajectories per initial condition, and because the model's calibrated stochastic layers provide the necessary exploratory spread. Applied to 98 Atlantic basin initial conditions spanning 21 August - 8 October 2022, FFS resolves genesis rates spanning nearly three orders of magnitude, capturing a seasonal cycle qualitatively consistent with observations. A self-consistency check comparing FFS rates to independent direct-sampling rates yields a mean ratio of 1.03 +/- 0.15 across all initial conditions. Computational enhancement factors range from 3X (most active environment) to 140X (most suppressed), with a geometric mean of 14X. Three case studies illustrate the physical diagnostics the method provides: the rate-limiting step is initial tropical organization for the Earl environment, uniformly high crossing probabilities for the Fiona precursor environment, and a compound barrier at the final intensification stages for the Ian environment. More efficient emulators would enable application of FFS to finer resolutions.
- Abstract（参考訳）: 我々は,統計力学の非平衡レアイベント技術であるフォワードフラックスサンプリング (FFS) とニューラル気象エミュレータ (SDL-WXFormer, 1°グリッド間隔) を結合し,条件付き熱帯性サイクロン発生率を推定した。
熱帯の環形成速度は政権ごとに桁違いに変化するが、直接アンサンブルサンプリングは運用可能なアンサンブルサイズでこの変動を解決できない。
FFSは、初期界面圧力と4つの中間界面圧力にまたがる条件交差確率の積を通じて、成熟したサイクロンの増進経路に希少な乱れをフラックスに分解する。
1°エミュレータはFFSが初期条件毎にO(10^4)モデルトラジェクトリを必要とすること,およびモデルのキャリブレーションされた確率層が必要な探索的スプレッドを提供するためである。
8月21日から2022年10月8日までの98の大西洋盆地の初期条件に適用されたFSFは、およそ3桁に及ぶ発生率を解決し、季節周期を観測と質的に整合させる。
FFSレートを独立した直接サンプリングレートと比較する自己整合性チェックは、すべての初期条件で1.03 +/- 0.15の平均比率を得る。
計算の強化因子は3X(最も活発な環境)から140X(最も抑制された環境)まで様々で、幾何学平均は14Xである。
3つのケーススタディは、この方法がもたらす物理的診断を説明している: レート制限ステップは、アール環境の最初の熱帯組織であり、フィオナ前駆体環境の均一に高い横断確率であり、Ian環境の最終強化段階における複合障壁である。
より効率的なエミュレータは、より微細な解像度にFFSを適用することができる。
関連論文リスト
- Diversify Diffusion with Temperature Sampling and Variance-Corrective Time Shifting [57.75750707482832]
本稿では,モード再重み付けを保ちながら分散インフレーションをキャンセルし,ネットワークをシフトタイムステップでクエリし,その結果のスコアを$$でスケールするトレーニング不要な修正である分散補正時間シフトを導入する。
DiT, 安定拡散モデル, 運動拡散モデルにまたがる品質と条件の忠実度を, 最小限のコストで一貫したゲインを示す。
論文 参考訳（メタデータ） (2026-07-12T17:32:29Z) - Data-Driven Forecasting of three-Component Seismograms Using Transformer Architectures [43.8784307709823]
我々は,3成分地震波形を時間領域内で直接予測するために,変圧器を用いた自己回帰モデルであるtextscSeismoGPTを紹介した。
震源深5-100,km,震源中央距離10-90$$$,震源深3leqM_w leq7$の合成地震計を用いて評価を行った。
論文 参考訳（メタデータ） (2026-06-01T21:38:03Z) - Tyche: One Step Flow for Efficient Probabilistic Weather Forecasting [48.263481135566316]
我々は,効率的な確率的天気予報のための一段階条件付き流れモデルであるTycheを提案する。
ERA5の1.5ドル(約1万2000円)と6時間の解像度での実験では、たった1つのNFEを使って、最先端の多段階生成ベースラインの予測スキルとキャリブレーションを一致または超過していることが示されています。
論文 参考訳（メタデータ） (2026-05-07T20:25:28Z) - Multi-Fidelity Emulation of Atmospheric Correction Coefficients with Physics-Guided Kolmogorov-Arnold Networks [0.17188280334580194]
大気補正は光リモートセンシングにおける重要な前処理ステップである。
本研究では,大気補正係数をエミュレートする物理対応多面体サロゲートフレームワークを提案する。
論文 参考訳（メタデータ） (2026-05-04T22:43:25Z) - Anisotropic Permeability Tensor Prediction from Porous Media Microstructure via Physics-Informed Progressive Transfer Learning with Hybrid CNN-Transformer [0.0]
細孔スケールの微細構造画像からの透水性テンソルの予測は地下流れのモデリングには不可欠であるが、直接数値シミュレーションではサンプルあたりの時間を要する。
MaxViTハイブリッドCNN-Transformerアーキテクチャと、プログレッシブトランスファー学習と微分可能な物理的制約を組み合わせることで、このボトルネックを解決する物理インフォームドディープラーニングフレームワークが提示される。
論文 参考訳（メタデータ） (2026-03-18T09:41:01Z) - SCALE:Scalable Conditional Atlas-Level Endpoint transport for virtual cell perturbation prediction [46.645872209565574]
仮想セル摂動予測のための大規模基盤モデルを提案する。
まず、データスループットを大幅に改善するBioNeMoベースのトレーニングおよび推論フレームワークを構築します。
第二に、摂動予測を条件付き輸送として定式化し、それをセットアウェアフローアーキテクチャで実装する。
第3に,生物学的に有意な指標に基づく厳密なセルレベルプロトコルを用いて,Tahoe-100Mのモデルを評価する。
論文 参考訳（メタデータ） (2026-03-18T05:51:08Z) - FALCON: Few-step Accurate Likelihoods for Continuous Flows [78.37361800856583]
本稿では,FALCON(Few-step Accurate Likelihoods for Continuous Flows)を提案する。
FALCONは分子ボルツマンサンプリングのための最先端の正規化フローモデルより優れており、同等の性能を持つCNFモデルよりも2桁高速である。
論文 参考訳（メタデータ） (2025-12-10T18:47:25Z) - Modeling Spatio-temporal Extremes via Conditional Variational Autoencoders [9.695352101513569]
極度の気象現象は農業、生態学、気象学などの分野で広く研究されている。
本稿では、条件付きオートエンコーダ(cAE)を介して気候指標を統合することにより、新しい時間的極端をモデル化するアプローチを提案する。
畳み込みニューラルネットワークはデコーダに埋め込まれ、潜伏空間内の空間依存を伴う気候指標を畳み込む。
論文 参考訳（メタデータ） (2025-12-06T08:40:41Z) - Benchmarking atmospheric circulation variability in an AI emulator, ACE2, and a hybrid model, NeuralGCM [0.0]
物理に基づく、所定の海面温度を持つ大気圏モデルは、顕著な成功であるが、観測と比較して大気の変動を示す能力にもバイアスがある。
近年、AIエミュレータとハイブリッドモデルが登場し、これらのバイアスを克服する可能性を秘めている。
論文 参考訳（メタデータ） (2025-10-06T03:42:18Z) - Progressive Inference-Time Annealing of Diffusion Models for Sampling from Boltzmann Densities [93.13866975467549]
拡散に基づくサンプル学習のために, PITA(Progressive Inference-Time Annealing)を提案する。
PITAはボルツマン分布のアナーリングと拡散平滑化という2つの相補的手法を組み合わせたものである。
N-体粒子系、アラニンジペプチド、トリペプチドの平衡サンプリングを可能にする。
論文 参考訳（メタデータ） (2025-06-19T17:14:22Z) - Residual Corrective Diffusion Modeling for Km-scale Atmospheric Downscaling [58.456404022536425]
気象・気候からの物理的危険予知技術の現状には、粗い解像度のグローバルな入力によって駆動される高価なkmスケールの数値シミュレーションが必要である。
ここでは、コスト効率のよい機械学習代替手段として、このようなグローバルな入力をkmスケールにダウンスケールするために、生成拡散アーキテクチャを探索する。
このモデルは、台湾上空の地域気象モデルから2kmのデータを予測するために訓練され、世界25kmの再解析に基づいている。
論文 参考訳（メタデータ） (2023-09-24T19:57:22Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。