論文の概要: SolarFlowRefiner: Refinement-Aware Flow Matching for Surface Solar Radiation Downscaling
- arxiv url: http://arxiv.org/abs/2609.22126v1
- Date: Fri, 21 Aug 2026 21:24:55 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-28 05:09:55.722653
- Title: SolarFlowRefiner: Refinement-Aware Flow Matching for Surface Solar Radiation Downscaling
- Title（参考訳）: SolarFlow Refiner: 表面太陽線ダウンスケーリングのための微細化対応フローマッチング
- Abstract要約: SolarFlowRefinerは、SSRダウンスケーリングのための洗練されたフローマッチングフレームワークである。
条件付きFlowMatchジェネレータは、まず、アップサンプリングされたERA5ベースラインに対する正規化補正を予測する。
精製器は、現在のFlowMatch出力とターゲット残差の間の予測条件付き状態に基づいて訓練される。
- 参考スコア（独自算出の注目度）: 7.582225427980916
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: High-resolution surface solar radiation (SSR) is important for solar forecasting and grid operation. However, physically consistent reanalysis products are too coarse to resolve localized cloud-driven variability. In this paper, we study a multisource downscaling task that reconstructs high-resolution SolarCube SSR fields from coarse ERA5 radiative variables and co-registered satellite channels. The task is challenging because a single ERA5 grid cell may contain both sunlit and cloud-shadowed regions. As a result, the missing high-resolution correction can be spatially sharp and inherently ambiguous. One-stage predictors often oversmooth these structures. Post-hoc refinement also introduces a stage-wise mismatch: the generator is optimized independently, even though its output determines the refiner's initial state. We introduce SolarFlowRefiner, a refinement-aware flow-matching framework for SSR downscaling. A conditional FlowMatch generator first predicts a normalized correction to an upsampled ERA5 baseline. The refiner is then trained on prediction-conditioned states between the current FlowMatch output and the target residual. This exposes the refiner to the structured errors produced by the generator. The refinement objective is also backpropagated through the FlowMatch sampler, allowing generation and correction to be jointly optimized for the final reconstruction. Experiments on a day-blocked ERA5--SolarCube benchmark show consistent improvements over standalone generation and post-hoc refinement. More broadly, SolarFlowRefiner provides a general strategy for coupling generative predictors with iterative correctors.
- Abstract（参考訳）: 高分解能表面太陽放射(SSR)は、太陽予測と格子演算において重要である。
しかし、物理的に一貫した再分析製品は、局所的なクラウド駆動の変動を解消するには大きすぎる。
本論文では,高分解能SolarCube SSRフィールドを粗いERA5放射特性と共登録衛星チャネルから再構成するマルチソースダウンスケーリングタスクについて検討する。
この課題は、1つのERA5グリッドセルが日光と雲に隠れた領域を含む可能性があるため、難しい。
その結果、高分解能補正の欠如は空間的に鋭く、本質的に曖昧である。
一段予測器は、しばしばこれらの構造を平らにする。
発電機は、出力が精製器の初期状態を決定するにもかかわらず、独立して最適化される。
SSRダウンスケーリングのための洗練されたフローマッチングフレームワークであるSolarFlowRefinerを紹介する。
条件付きFlowMatchジェネレータは、まず、アップサンプリングされたERA5ベースラインに対する正規化補正を予測する。
精製器は、現在のFlowMatch出力とターゲット残差の間の予測条件付き状態に基づいて訓練される。
これにより、ジェネレータが生成した構造化エラーにリファインダーを露出する。
また、リファインメントの目的はFlowMatchサンプルラを通じて逆転され、最終的な再構築のために生成と修正を共同で最適化することができる。
日々ブロックされたERA5--SolarCubeベンチマークの実験では、スタンドアロン生成とポストホック改善よりも一貫した改善が見られた。
より広範に、SolarFlowRefinerは、生成予測器と反復修正器を結合するための一般的な戦略を提供する。
関連論文リスト
- Off-Manifold Refinement: Guiding Video Generators with a Frozen World Model [2.4870727053423236]
Off-Manifold Refinement (OMR)は、単一のサンプリング軌道に直接ワールドモデルフィードバックを注入する推論時間法である。
固定された400-prompt VideoPhy-2の詳細部分集合では、OMRはSemantic-Adherence-and-Physical-Commonsenseを47.0%から52.0%に引き上げる。
論文 参考訳（メタデータ） (2026-08-30T17:00:09Z) - Sample-Adaptive Latent Rewards for Uncertainty-Guided Diffusion Post-Training [51.18425726646089]
我々は、画像とビデオの拡散モデルのための統合潜在空間フレームワークであるtextscSUREを提案する。
報酬分布を学習し、信頼性を直接利用して、密集したポストトレーニングをガイドする。
textscSURE-REFLは評価手法の中で最も高いVBench品質、セマンティック、総得点を達成する。
論文 参考訳（メタデータ） (2026-08-06T14:55:42Z) - LC-GRPO: Bridging Train-Inference Gap for Flow-Based GRPO with Langevin Correction [59.32834240526981]
フローベース生成モデルは典型的には、決定論的常微分方程式(ODE)を解くことによってサンプリングされる
既存の流れモデルのためのGRPO法は、訓練中にオイラー時間ODEを非等方微分方程式(SDE)に置き換える。
本稿では,フローベースGRPOフレームワークであるLC-GRPOを紹介する。
論文 参考訳（メタデータ） (2026-08-06T04:47:57Z) - Mind the Residual Gap: Probabilistic Downscaling under Real-World Bias [11.400279490725042]
確率的なダウンスケーリングは、大気科学、気候モデリング、その他のマルチスケール物理システムにとって重要な課題である。
広く使われているパラダイムは、問題を決定論的平均予測器に分解し、続いて残留発生器に分解する。
本研究は,根本原因が標的誤診であり,訓練中に誘発される残差分布は,下降バイアスにより試験時間に要求されるものと体系的に異なることを示す。
論文 参考訳（メタデータ） (2026-06-29T18:47:34Z) - Do Language Models Converge to Themselves? Recursive Self-Refinement as Textual Relaxation [0.6509233267425589]
我々は、デフォルト温度と決定論的デコーディングの両方の下で、50のICML 2025抽象に対して10ステップの洗練トラジェクトリを生成する。
正規化編集距離, 精度および近似固定点, 単語数安定性, 指数緩和, 外部LCM-as-a-judge評価を解析した。
論文 参考訳（メタデータ） (2026-06-26T13:44:53Z) - Closed-Form Spectral Regularization for Multi-Task Model Merging [96.82449201305234]
モデルマージは、個別に調整された複数の専門家をトレーニングデータなしで単一のマルチタスクモデルに結合する。
State-of-the-art merging method formulate merging as a layer-wise interference problem。
本稿では,逐次降下の勾配-流路に一致するソフト指数フィルタを組み合わせた閉形式手法SWUDIを提案する。
論文 参考訳（メタデータ） (2026-06-05T14:00:47Z) - Test-Time Scaling with Diffusion Language Models via Reward-Guided Stitching [66.39914384073145]
本稿では,安価な拡散サンプリング推論をステップレベル候補の再利用プールに変換する自己整合性フレームワークを提案する。
ステップレベルの再結合は、難しい問題に対して最も有益であることがわかった。
トレーニング不要のフレームワークは、6つの数学およびコーディングタスクの平均精度を最大2倍改善します。
論文 参考訳（メタデータ） (2026-02-26T11:08:39Z) - Trajectory Stitching for Solving Inverse Problems with Flow-Based Models [68.36374645801901]
フローベースの生成モデルは、逆問題を解決するための強力な先行要因として現れてきた。
1つの初期コードではなく、中間潜在状態の列として軌道を表すMS-Flowを提案する。
画像の回復と逆問題に対するMS-Flowの有効性を示す。
論文 参考訳（メタデータ） (2026-02-09T11:36:41Z) - Complexity Matters: Rethinking the Latent Space for Generative Modeling [65.64763873078114]
生成的モデリングにおいて、多くの成功したアプローチは、例えば安定拡散のような低次元の潜在空間を利用する。
本研究では, モデル複雑性の観点から潜在空間を再考することにより, 未探索の話題に光を当てることを目的としている。
論文 参考訳（メタデータ） (2023-07-17T07:12:29Z) - Analysis of False Data Injection Impact on AI based Solar Photovoltaic
Power Generation Forecasting [0.0]
予測可能性と安定性は、太陽エネルギーの完全活用に不可欠である。
本研究では、パブリックデータセットを用いた太陽光発電予測のための機械学習モデルについてレビューし、評価する。
論文 参考訳（メタデータ） (2021-10-12T01:44:17Z) - Gaussian Process Regression for Probabilistic Short-term Solar Output
Forecast [1.7205106391379026]
本稿では,気象の不確実性を考慮した短期PV出力予測のための確率的枠組みを提案する。
我々は, 放射能, 温度, ゼニス, 方位などの気象データと出力データからなるデータセットを利用する。
提案手法を, 異なる場所にある5つの発電プラントで検証し, 既存の手法と比較した。
論文 参考訳（メタデータ） (2020-02-23T15:54:37Z)
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。