論文の概要: Rescene: band-limited stochastic forcing turns a frozen neural weather operator into a climate emulator
- arxiv url: http://arxiv.org/abs/2608.09971v1
- Date: Thu, 30 Jul 2026 09:42:39 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-17 01:32:04.572102
- Title: Rescene: band-limited stochastic forcing turns a frozen neural weather operator into a climate emulator
- Title（参考訳）: Rescene: 帯域制限の確率的強制は、凍結したニューラル気象オペレーターを気候エミュレータに変える
- Abstract要約: 1.5度凍結した6時間視覚変換演算子を取り巻くラッパーResceneについて紹介する。
年間平均気温は0.06Mであり、各ステップでスペクトル形状の摂動を付加する。
評価の結果, 決定論的ラッパーは数十年間安定だが, 毎日の変動はERA5の40%に低下することがわかった。
- 参考スコア（独自算出の注目度）: 3.993449663756884
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Over the past few years, the rapid development of machine learning (ML) models for weather forecasting has produced deterministic models whose medium-range skill matches or exceeds that of the European Centre for Medium-Range Weather Forecasts (ECMWF)'s high-resolution forecast (HRES). However, when these models are integrated freely beyond the horizon they were trained for, they blow up, drift, or lose their seasonal cycle, and retraining them for stability is expensive. We therefore ask what can be recovered from a strictly frozen backbone. We present Rescene, a 0.4 M-parameter wrapper around a frozen 1.5 degree, 6-hourly vision-transformer operator, developed using ERA5 reanalysis data and comprising a deterministic "slow clock" (0.33 M) that blends the forecast toward a lead-aware day-of-year climatology and a generative head (0.06 M) that adds a spectrally shaped stochastic perturbation at every step. The performance evaluation demonstrates that the deterministic wrapper alone is stable for decades but collapses daily variability to 40% of ERA5. Adding the generative head restores 126% (Z500) and 130% (MSLP) of the observed daily variability with pattern correlations of 0.89 and 0.92, recovers 82% of the observed blocking frequency, keeps the ensemble calibrated (spread-skill ratio 0.78-0.97 from day 7 to day 90), and integrates for 100 years with no detectable drift (+0.008 +/- 0.014 K per century). Moreover, because the perturbation is band-limited to total wavenumber $k \le 20$, the small scales are never forced, yet realistic $k \ge 20$ power is sustained: a direct decomposition of the 6-hourly energy budget shows that the frozen operator supplies 28 times more energy than the perturbation at $k \ge 40$, with a fractional growth rate 247 times larger at the grid scale than at planetary scales.
- Abstract（参考訳）: 過去数年間、天気予報のための機械学習(ML)モデルの急速な発展は、中距離のスキルが欧州中距離気象予報センター(ECMWF)の高解像度予測(HRES)と一致または超える決定論的モデルを生み出してきた。
しかし、これらのモデルが訓練対象の地平線を越えて自由に統合されると、爆発、漂流、季節的なサイクルを失い、安定性のために再訓練するコストがかかる。
したがって、厳密に凍結されたバックボーンから何が回収できるかを問う。
本研究では, 凍結1.5度6時間目視変換器演算子であるResceneについて, ERA5リアナリシスデータを用いて開発し, 各ステップにスペクトル形状の確率的摂動を付加した, リード・アウェア日々の気候学への予測をブレンドする決定論的「スロークロック」(0.33M)と生成ヘッド(0.06M)を備える。
評価の結果, 決定論的ラッパーは数十年間安定だが, 毎日の変動はERA5の40%に低下することがわかった。
生成頭部の126% (Z500) と130% (MSLP) をパターン相関0.89と0.92で保存し、観察されたブロッキング周波数の82%を回収し、アンサンブルの校正を保ち(7日から90日までのスプレッドスキル比0.78-0.97)、検出可能なドリフトなしで100年間統合する(+0.008 +/-0.014 K/世紀)。
さらに、摂動は総波数$k \le 20$に帯域制限されているため、小さなスケールは強制されることはないが、現実的な$k \ge 20$の電力は維持される。
関連論文リスト
- RynnValue: Scaling Robotic Value Foundation Models with Temporal Distance [84.26294415726723]
汎用報酬モデルが、ロボット学習のスケーリングのボトルネックになりつつある。
ロボット操作のためのオープンソースのバリューファンデーションモデルであるRynnValueを紹介した。
RynnValueは7000時間以上、好みやプログレッシブアノテーションなしで約3Mの命令条件付きクリップにスケールする。
論文 参考訳（メタデータ） (2026-08-10T17:09:37Z) - Do AI weather models miss extremes? [3.3270769893417707]
第一世代のAI気象モデルはしばしば極端に性能が劣っていると報告されている。
我々は10ヶ月にわたって、ヨーロッパの合成、太陽、雨量計のステーションに対して、11の物理的およびAI予測システムを検証した。
これらのシステムの中で、AIモデルは尾部に均一な相対スキルの欠陥を示さない。
論文 参考訳（メタデータ） (2026-07-31T14:18:43Z) - Cycle-Consistent and Uncertainty-Aware Neural Surrogates for Tokamak Edge Plasmas [0.040071856451118486]
境界プラズマと変圧器プラズマはトカマクが動力と粒子を排出する方法を支配している。
機械学習のサロゲートは高速な代替手段を提供するが、多くは前方のみである。
本稿では,エッジプラズマに対するサイクル一貫性ニューラルサロゲートを提案する。
論文 参考訳（メタデータ） (2026-07-23T15:06:57Z) - TSSM: Triaxial State Space Model for Global Station Weather Forecasting with Temporal-Variable-Historical Modeling [74.915718648935]
既存の手法では精度が限られており、極端なイベントやエラーの蓄積に苦労している。
本稿では,歴史に富んだ時間可変ヒストリカルパラダイムを用いた三軸状態空間モデル(TSSM)を提案する。
TSSMは、歴史的サンプルを周期的なバッチにまとめ、予測は歴史的および現在の観測によって因果的に支持される。
論文 参考訳（メタデータ） (2026-07-14T07:36:19Z) - EO-WM: A Physically Informed World Model for Probabilistic Earth Observation Forecasting [50.31500063307306]
マルチスペクトル地球観測予測のためのビデオ拡散変換器であるEO-WMを紹介する。
EO-WMは、気象基準線、気象異常、累積的な物理的ストレス信号を通して気象的な強制力を表す物理的に情報を得た条件付けフレームワークを組み込んでいる。
実験の結果、EO-WMは予測正規化植生指数(NDVI)の減少振幅を相対5.63%減少させ、方向のヒット率を相対7.80%向上させることがわかった。
論文 参考訳（メタデータ） (2026-06-25T16:53:30Z) - Short-Term Electricity Demand Forecasting for New England Using a Hybrid Transformer-XGBoost Framework with Weather, Calendar, and COVID-19 Indicators [0.0]
本稿では,時間的特徴抽出のためのトランスフォーマーエンコーダと,ニューイングランドを横断する日次電力需要予測のための勾配型決定木(XGBoost)を組み合わせたハイブリッドフレームワークを提案する。
この枠組みは、ニューイングランドの6つの州全てにまたがる6つの都市、カレンダーとホリデー効果、自己回帰的な需要ラグ、およびCOVID-19疫学変数の気象観測を統合している。
論文 参考訳（メタデータ） (2026-06-18T20:15:39Z) - Time series Foundation Models based on Physics-Informed Synthetic Histories for Cold-Start Photovoltaic Forecasting [45.753923525593045]
評価は4つのデータセットと多様な気候体制にまたがる440ドルのPVサイトに及んでいる。
性能は、合成履歴源にはほとんど敏感であり、精度は特定の発生器よりも、可視的時間的文脈の可用性によってより引き起こされることを示している。
論文 参考訳（メタデータ） (2026-06-05T17:05:19Z) - 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) - Long-term drought prediction using deep neural networks based on geospatial weather data [75.38539438000072]
農業計画や保険には1年前から予測される高品質の干ばつが不可欠だ。
私たちは、体系的なエンドツーエンドアプローチを採用するエンドツーエンドアプローチを導入することで、干ばつデータに取り組みます。
主な発見は、TransformerモデルであるEarthFormerが、正確な短期(最大6ヶ月)の予測を行う際の例外的なパフォーマンスである。
論文 参考訳（メタデータ） (2023-09-12T13:28:06Z) - A generalised multi-factor deep learning electricity load forecasting
model for wildfire-prone areas [0.0]
本稿では,山火事シーズンにおける配電網の電力負荷を予測するために,GRUに基づく汎用かつ堅牢なGated Recurrent Unit (GRU) モデルを提案する。
瞬時温度の通常の使用と比較して、平均絶対パーセンテージ誤差(MAPE)は30.73%減少する。
提案手法は平均予測MAPEの約3%を達成し、ビクトリア州に年間8億6600万ドルを節約できる可能性がある。
論文 参考訳（メタデータ） (2023-04-21T00:42:24Z) - FengWu: Pushing the Skillful Global Medium-range Weather Forecast beyond
10 Days Lead [93.67314652898547]
人工知能(AI)に基づく高度データ駆動型中距離気象予報システムFengWuについて紹介する。
FengWuは大気力学を正確に再現し、0.25度緯度で37の垂直レベルで将来の陸と大気の状態を予測することができる。
その結果、FengWuは予測能力を大幅に向上させ、熟練した中距離気象予報を10.75日間のリードまで拡張できることがわかった。
論文 参考訳（メタデータ） (2023-04-06T09:16:39Z)
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。