論文の概要: Efficient Analog-Initialized Latent Transport for Spatially Coherent Probabilistic Downscaling from Global to Kilometer Scales

• arxiv url: http://arxiv.org/abs/2610.03736v1
• Date: Tue, 15 Sep 2026 15:25:47 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-14 02:07:34.329805
• Title: Efficient Analog-Initialized Latent Transport for Spatially Coherent Probabilistic Downscaling from Global to Kilometer Scales
• Title（参考訳）: グローバルからキロメータースケールへの空間コヒーレント確率的ダウンスケーリングのための効率的なアナログ初期化遅延輸送
• Abstract要約: 確率的ダウンスケーリングは、決定論的地域予測によって未解決のまま残されたキロメートル規模の構造を表現しなければならない。 本稿では,気象情報を用いた実証資料として,歴史的地域遺構を用いたアナログ初期化潜伏輸送手法を提案する。 条件付き流れマッチングモデルは、慎重に設計された65要素、10万ノードの潜水空間でこれらのフィールドを輸送し、グリッドデコーダは2.5km間隔で降水を含む81の大気チャネルを再構成する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Probabilistic downscaling must represent kilometer-scale structure left unresolved by a deterministic regional prediction. We introduce an analog-initialized latent transport method that uses historical regional residuals as a meteorologically informed empirical source. A frozen graph neural network predicts the deterministic state from the Integrated Forecasting System (IFS). For each input, residuals from 20 training dates with similar IFS conditions initialize the ensemble. A conditional flow-matching model transports these fields in a carefully designed 65-factor, 100,000-node latent space, and a grid decoder reconstructs 81 atmospheric channels including precipitation at 2.5km spacing. On a season- and cycle-balanced 2025 test, ensemble CRPS improves over deterministic mean absolute error for all 81 variables. Matched analogs improve point and spatial errors over Gaussian initialization and reduce spectral error compared with covariance matching. Comparisons with released CorrDiff, a local CorrDiff-mini model and full grid EDM provide context on the 2023 validation sample. Total training of the downscaling model takes approximately 12h on one NVIDIA H200, and inference takes about 12s per 81-field member. The frozen networks also generate fields over France when supplied with local static data and a high-resolution IFS-derived analog bank. The method combines empirical initialization with whole-domain latent transport for computationally practical regional ensembles.
• Abstract（参考訳）: 確率的ダウンスケーリングは、決定論的地域予測によって未解決のまま残されたキロメートル規模の構造を表現しなければならない。 本稿では,過去の地域遺構を気象学的に情報を得た実証資料として用いたアナログ初期化潜水輸送手法を提案する。 凍結グラフニューラルネットワークは、統合予測システム(IFS)から決定論的状態を予測する。 各入力について、20のトレーニングの残余は、同様のIFS条件でアンサンブルを初期化する。 条件付き流れマッチングモデルは、慎重に設計された65要素、10万ノードの潜水空間でこれらのフィールドを輸送し、グリッドデコーダは2.5km間隔で降水を含む81の大気チャネルを再構成する。 2025年シーズンとサイクルバランスのテストでは、CRPSは81変数すべてに対して決定論的平均絶対誤差よりも改善される。 一致したアナログはガウスの初期化よりも点と空間誤差を改善し、共分散マッチングと比較してスペクトル誤差を低減する。 ローカルのCorrDiff-miniモデルとフルグリッドのEDMであるCorrDiffとの比較は、2023年の検証サンプルのコンテキストを提供する。 ダウンスケーリングモデルの総トレーニングには1つのNVIDIA H200で約12時間かかり、81フィールドメンバあたりの推論には約12秒を要する。 凍結されたネットワークは、ローカルな静的データと高解像度のIFS由来のアナログバンクが供給されたときに、フランス上空のフィールドも生成する。 この手法は経験的初期化と全領域潜在輸送を組み合わせ、計算学的に実用的な地域アンサンブルを実現する。

関連論文リスト

• PMosFM: Preconditioned Manifold Matching for One-Step Physics-Constrained Generation [47.34605477768213]
  textbf Preconditioned textbfManifold textbfone-textbfstep textbfFlow textbfMatching (textbfPMosFM) は1ステップの物理制約付き生成のための事前条件付き多様体マッチングフレームワークである。 多様体デコーダの制約を符号化することにより、PMosFMは残留損失と終端残差を分離することなく固有座標の輸送を学習する。
  論文  参考訳（メタデータ） (2026-09-30T17:48:21Z)
• FlowATC: Aircraft Trajectory Prediction via Flow Matching [39.046509366232065]
  本稿では,航路ラベルやチャート管理を伴わない,歴史的航空機軌道に特化して訓練されたフローマッチングアーキテクチャを提案する。 我々のモデルは、ネイティブで不規則なADS-Bサンプリング間隔で直接訓練される。 予測地平線により誤差は良好に低下し, 時間的劣化フィードで再トレーニングした場合, アーキテクチャが有効であることを示す。
  論文  参考訳（メタデータ） (2026-09-15T02:21:06Z)
• Model-Aware Schedules Improve Generation via Fiberwise Optimal Transport [1.1014388269312267]
  拡散および流れマッチングスケジュールは、アフィン確率経路に沿ってデータとノイズを混合する信号と雑音係数を制御する。 ファイバーワイド最適輸送に基づくモデル認識型スケジュール構築を提案する。 我々は,予測対象,トレーニング構成,リスク推定チェックポイント,データセット,アーキテクチャ間のDDPMとフローマッチングを評価した。
  論文  参考訳（メタデータ） (2026-09-10T17:30:44Z)
• MoRF-AST: Calibrated Probabilistic Virtual Sensing for Structural Monitoring under Changing Operating Conditions [10.208843473977094]
  本研究では,モーダル残留流マッチングとコンテキスト依存型アフィンスプレッドトランスポート (MoRF-AST) を併用した構造仮想センシング手法を提案する。 MoRFは2つの直接条件流に対して16.1%と17.9%に対して、後平均根平均二乗誤差(NRMSE)が7.20%に達する。
  論文  参考訳（メタデータ） (2026-08-25T13:16:59Z)
• Function-Space Decoupled Diffusion for Forward and Inverse Modeling in Carbon Capture and Storage [65.51149575007149]
  本稿では,Fun-DDPSについて述べる。Fun-DDPSは,関数空間拡散モデルと微分可能なニューラル演算子サロゲートを結合した生成フレームワークである。 Fun-DDPSは、ジョイントステートベースラインで観察される高周波アーティファクトから、物理的に一貫した実現をもたらす。
  論文  参考訳（メタデータ） (2026-02-12T18:58:12Z)
• Consistency Trajectory Models: Learning Probability Flow ODE Trajectory of Diffusion [56.38386580040991]
  Consistency Trajectory Model (CTM) は Consistency Models (CM) の一般化である CTMは、対戦訓練とスコアマッチング損失を効果的に組み合わせることで、パフォーマンスを向上させる。 CMとは異なり、CTMのスコア関数へのアクセスは、確立された制御可能/条件生成メソッドの採用を合理化することができる。
  論文  参考訳（メタデータ） (2023-10-01T05:07:17Z)
• 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)
• Generalized Focal Loss: Learning Qualified and Distributed Bounding Boxes for Dense Object Detection [85.53263670166304]
  一段検出器は基本的に、物体検出を密度の高い分類と位置化として定式化する。 1段検出器の最近の傾向は、局所化の質を推定するために個別の予測分岐を導入することである。 本稿では, 上記の3つの基本要素, 品質推定, 分類, ローカライゼーションについて述べる。
  論文  参考訳（メタデータ） (2020-06-08T07:24:33Z)

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。