論文の概要: Online Reinforcement Learning in the Met Office Unified Model through Distributed Model-Agent Coupling

• arxiv url: http://arxiv.org/abs/2609.02566v1
• Date: Wed, 02 Sep 2026 13:17:10 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-03 17:53:18.362197
• Title: Online Reinforcement Learning in the Met Office Unified Model through Distributed Model-Agent Coupling
• Title（参考訳）: 分散モデル-エージェント結合によるメットオフィス統一モデルにおけるオンライン強化学習
• Abstract要約: 機械リアント補正は、進化するモデル状態に適応した場合のみ、数値的な天気予報を補完することができる。 ランク局所テンソルを通した分散RLエージェントとMet Office (UKMO) Unified Model (UM) を結合する。 本研究では,北緯45.8%と南緯40.8%を含む6つの緯度帯のうち,Z$_500$ MAEが減少することを示す。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Machine-learnt corrections can complement numerical weather prediction only if they adapt to the evolving model state while preserving dynamical consistency and numerical stability. To test this within a global forecasting model, we couple the Met Office (UKMO) Unified Model (UM) with distributed RL agents through rank-local tensors. A DDPG actor shares weights across the 70 vertical model levels of each atmospheric column and applies bounded potential-temperature corrections to the model tendencies. Across ten nudged training forecasts, nudging calculations towards the UKMO operational analysis provides an immediate counterfactual target. The frozen policy is then evaluated in a non-nudged forecast for inference. The coupled workflow successfully completes training and remains numerically stable in the evaluated case. Relative to a matched native UM forecast at +6 h, the learnt policy reduces Z$_{500}$ MAE in four of six latitude bands, including reductions of 45.8% and 40.8% in the northern and southern tropics. MSLP error too decreases in three bands, with a maximum reduction of 27.3% at 0-30°N. This single-case experiment demonstrates significant promise and feasibility of distributed online learning followed by non-nudged inference, laying the groundwork for RL-based bias correction and parametrisations within operational systems.
• Abstract（参考訳）: 機械遅延補正は、動的一貫性と数値安定性を保ちながら、進化するモデル状態に適応した場合のみ、数値的な天気予報を補完することができる。 グローバルな予測モデル内でこれをテストするために、ランク局所テンソルを介して分散RLエージェントとMet Office (UKMO) Unified Model (UM)を結合する。 DDPGアクターは、各大気柱の70の垂直モデルレベルにわたって重みを共有し、モデル傾向に有界ポテンシャル温度補正を適用する。 トレーニング予測は10回にわたって行われ、UKMOの運用分析へのヌード計算は即時的対物目標となっている。 凍結ポリシは、推論の非納付予測で評価される。 結合ワークフローはトレーニングを完了し、評価されたケースでは数値的に安定している。 一致した UM の +6 h での予測と対照的に、学習政策は6つの緯度帯のうち 4 つの Z$_{500}$ MAE を減少させ、北熱帯と南熱帯では 45.8% と 40.8% を減少させた。 MSLPの誤差は3つのバンドで減少し、最大で0-30°Nで27.3%減少する。 このシングルケース実験は、分散オンライン学習の有望性と実現可能性を示し、その後に非Nudged推論が続き、運用システムにおけるRLベースのバイアス補正とパラメトリションの基礎となる。

関連論文リスト

• Stochastically Perturbed Weights: Ensembles from Deterministic Machine-Learning Weather Models [0.0]
  多くの機械学習気象モデル(MLWM)は決定論的であり、その不確実性を見積もることなく単一の予測を生成する。 訓練された確率的なモデルの家族は、専用トレーニングランの価格で、キャリブレーションされたアンサンブルを直接生成します。 我々は、すでに存在する決定論的チェックポイントから、どの程度の不確実性を取り出すことができるのかを、再訓練することなく尋ねる。
  論文  参考訳（メタデータ） (2026-09-08T08:18:40Z)
• On-Policy Self-Distillation in Diffusion Models [89.32656931795293]
  強化学習は、拡散モデルと人間の好みやタスク固有の目的とを一致させることができるが、エンドポイント報酬は、中間的偏見予測をどのように変更すべきかを規定していない。 そこで我々は、DiffusionOPSDを、画像レベルの報酬誘導を明示的なターゲットに変換して、サンプルクエリにおけるクリーンな出力予測を行うオンライン自己蒸留フレームワークとして導入する。 SD 3.5-Mとステップ蒸留したZ-Image-Turboを用いて、2つのバックボーンと10個の評価器で20の報酬マッチング設定のうち19のファイナルホールトアウトスコアを達成した。
  論文  参考訳（メタデータ） (2026-08-25T14:55:24Z)
• Enhancing the Forecasting Capability of Multi-Model Blending Algorithms for Extreme Precipitation via Joint Use of Station and Gridded Observations [10.058122938830389]
  従来の降水多モデルブレンディングアルゴリズムは、重みに基づいて予測フィールド上でピクセル・バイ・ピクセルブレンディングを行う。 本研究では,6つの主要なNWPモデルからの予測をブレンドするために,確率分類と値再構成という2段階の枠組みを提案する。 中国2411の気象観測所からの観測を損失関数に組み込むことにより, 新たな局間共同監視機構を導入する。
  論文  参考訳（メタデータ） (2026-07-06T09:35:58Z)
• A Trainable-by-Parts Operator Learning Framework: Bridging DeepONet and Karhunen-Loeve Expansions for Large-Scale Applications [46.07145155913717]
  我々はKL-DNN(Karhunen-Loeve Deep Neural Network)に基づくスケーラブルな演算子学習フレームワークを提案する。 このモデルは、170万の細胞と50の時間ステップを持つ3次元領域において、100の大規模なシミュレーションのサンプルからなるデータセットで訓練される。
  論文  参考訳（メタデータ） (2026-06-26T18:15:24Z)
• ARC-STAR: Auditable Post-Hoc Correction for PDE Foundation Models [47.9430487327673]
  ARC-STARは修正を3段階にまとめる: グローバルな修正器は広い解法バイアスを除去し、ブロックワイドな局所精錬器はポストグロバル残差を浄化し、展開時にはラベルフリースコアは計算予算の下でハイリスクなブロックに精算する。 ARC-STARは、全ての細胞で生ポセイドンよりも少なくとも36倍の速度ロールアウト誤差を減少させる唯一の方法である。
  論文  参考訳（メタデータ） (2026-05-21T09:26:16Z)
• Meteorology-Driven GPT4AP: A Multi-Task Forecasting LLM for Atmospheric Air Pollution in Data-Scarce Settings [4.364999214109123]
  事前訓練GPT-2バックボーンとガウスランク安定化低ランク適応(rsLoRA)に基づく大気汚染のための気象駆動型GPT(GPT4AP) モデルは、数ショット、ゼロショット、長期予測設定の下で6つの実世界の空気質監視データセットで評価される。
  論文  参考訳（メタデータ） (2026-03-31T16:37:06Z)
• Leap+Verify: Regime-Adaptive Speculative Weight Prediction for Accelerating Neural Network Training [0.0]
  本稿では,ニューラルネットワークトレーニングの高速化を目的としたLeap+Verifyを紹介する。 将来のモデルの重みを予測し、受け入れ前に予測を検証する。 GPT-2 124MのLeap+VerifyとWikiText-103で訓練されたQwen 2.5-1.5Bを5つのランダムシードで評価した。
  論文  参考訳（メタデータ） (2026-02-23T08:01:44Z)
• Agentic World Modeling for 6G: Near-Real-Time Generative State-Space Reasoning [70.56067503630486]
  第6世代(6G)インテリジェンスは、流動的なトークン予測ではなく、想像と選択の能力を校正している、と我々は主張する。 We showed that WM-MS3M cuts mean absolute error (MAE) by 1.69% vs MS3M with 32% less parameters and similar latency, and achieve a 35-80% lower root mean squared error (RMSE) than attention/hybrid baselines with 2.3-4.1x faster inference。
  論文  参考訳（メタデータ） (2025-11-04T17:22:22Z)
• Squeeze the Soaked Sponge: Efficient Off-policy Reinforcement Finetuning for Large Language Model [56.92219181993453]
  本稿では,PPOやGRPOなどのオンラインRFT手法をオフ・ポリティクスデータに活用するために,Reincarnating Mix-policy Proximal Policy Gradient (ReMix)を提案する。 ReMix は,(1) 効率的なトレーニングのための更新データ(UTD)比が増大した混成政策勾配,(2) 安定性と柔軟性のトレードオフのバランスをとるためのKL-Convex 政策制約,(3) 効率的な早期学習から安定した改善へのシームレスな移行を実現するための政策再編成の3つの主要な構成要素から構成される。
  論文  参考訳（メタデータ） (2025-07-09T14:29:45Z)
• ExtremeCast: Boosting Extreme Value Prediction for Global Weather Forecast [57.6987191099507]
  非対称な最適化を行い、極端な天気予報を得るために極端な値を強調する新しい損失関数であるExlossを導入する。 また,複数のランダムサンプルを用いて予測結果の不確かさをキャプチャするExBoosterについても紹介する。 提案手法は,上位中距離予測モデルに匹敵する全体的な予測精度を維持しつつ,極端気象予測における最先端性能を達成することができる。
  論文  参考訳（メタデータ） (2024-02-02T10:34:13Z)
• Attention-Based Ensemble Pooling for Time Series Forecasting [55.2480439325792]
  本稿では,候補モデル予測よりも重み付き平均値を実行するプーリング法を提案する。 本手法は,非定常ロレンツ63方程式の動力学の多段階予測と,COVID-19による週次死亡事故の1段階予測という2つの時系列予測問題に対して試行する。
  論文  参考訳（メタデータ） (2023-10-24T22:59:56Z)
• 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)
• Stabilizing Machine Learning Prediction of Dynamics: Noise and Noise-inspired Regularization [58.720142291102135]
  近年、機械学習(ML)モデルはカオス力学系の力学を正確に予測するために訓練可能であることが示されている。 緩和技術がなければ、この技術は人工的に迅速にエラーを発生させ、不正確な予測と/または気候不安定をもたらす可能性がある。 トレーニング中にモデル入力に付加される多数の独立雑音実効化の効果を決定論的に近似する正規化手法であるLinearized Multi-Noise Training (LMNT)を導入する。
  論文  参考訳（メタデータ） (2022-11-09T23:40:52Z)
• Sub-seasonal forecasting with a large ensemble of deep-learning weather prediction models [6.882042556551611]
  深層学習天気予報(DLWP)モデルを用いたアンサンブル予測システムを提案する。 このモデルは、立方体球格子上の畳み込みニューラルネットワーク(CNN)を用いて、グローバルな予測を生成する。 エンサンブルスプレッドは、主に32のDLWPモデルを作成するためにCNNトレーニングプロセスのランダム化によって生成される。
  論文  参考訳（メタデータ） (2021-02-09T20:14:43Z)

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。