論文の概要: DIAGNO: Diagonal Spherical Neural Operators for Heterogeneous Earth Dynamics Modeling
- arxiv url: http://arxiv.org/abs/2611.16356v1
- Date: Thu, 12 Nov 2026 06:15:08 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-14 01:36:33.375404
- Title: DIAGNO: Diagonal Spherical Neural Operators for Heterogeneous Earth Dynamics Modeling
- Title(参考訳): DIAGNO:異種地球力学モデリングのための対角球面ニューラル演算子
- Abstract要約: 我々は、地球の力学系を予測する新しいタイプのニューラル演算子、DIAGNOを提案する。
DIAGNOは、スペクトルモード分解によって、クロスモーダル相互作用を明示的にパラメータ化する。
多段階予測において, DIAGNO が常に最先端の性能を達成することを示す。
- 参考スコア(独自算出の注目度): 40.87476065781377
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Accurate forecasting of Earth's dynamic systems is vital in geophysics, where neural operators offer a powerful data-driven paradigm. Standard operators often treat the Earth as a flat Euclidean plane, introducing geometric artifacts. In contrast, Spherical Neural Operators (SNOs) resolve this mismatch by operating within the spherical spectral space, naturally adapting to spherical geometries. However, for computational efficiency, existing SNOs typically rely on the rotation equivariance assumption. This assumption simplifies the transitions of physical states into isolated spectral modal evolutions, thereby over-idealizing the Earth as a homogeneous system. To solve this problem, we no longer rely on the rotation equivariance assumption that isolates spectral modal evolution, but directly derive an explicit modal interaction kernel and propose Diagonal Spherical Neural Operators named DIAGNO. DIAGNO explicitly parameterizes cross-modal interactions through spectral modal decomposition, thereby preserving the inherent heterogeneity of Earth dynamics. Furthermore, leveraging the unique diagonal structure of the spherical spectrum, we design inter- and intra-diagonal interaction mechanisms to natively capture essential zonal and meridional dynamics, respecting intrinsic geophysical regularities. Extensive experiments across simulated fluid dynamics and real-world Earth system reanalysis (including atmosphere and ocean) datasets demonstrate DIAGNO's superior capability, consistently achieving state-of-the-art performance in multi-step forecasting. Beyond this, we validate DIAGNO's practical analytical value in professional geophysical domains by assessing its fidelity in capturing climatological anomalies and maintaining physical consistency.
- Abstract(参考訳): 地球の力学系の正確な予測は、神経オペレーターが強力なデータ駆動パラダイムを提供する地球物理学において不可欠である。
標準作用素はしばしば地球を平面ユークリッド平面として扱い、幾何学的アーティファクトを導入している。
対照的に、球面ニューラル演算子(SNO)は球面スペクトル空間内での演算によってこのミスマッチを解決し、自然に球面幾何学に適応する。
しかし、計算効率では、既存のSNOは一般に回転同値仮定に依存する。
この仮定は、物理的状態から孤立したスペクトルのモーダル進化への遷移を単純化し、地球を均質な系として過度に理想化する。
この問題を解決するために、スペクトルのモーダル進化を分離する回転同値仮定をもはや頼らず、明示的なモーダル相互作用カーネルを直接導出し、DIAGNOという対角的球ニューラル演算子を提案する。
DIAGNOは、スペクトルのモード分解を通じてクロスモーダル相互作用を明示的にパラメータ化し、地球力学の固有の不均一性を保存する。
さらに、球面スペクトルの特異な対角構造を利用して、本質的な地学的規則性に敬意を表して、本質的な地磁気力学と地磁気力学をネイティブに捉えるために、対角間相互作用と対角間相互作用のメカニズムを設計する。
シミュレーションされた流体力学と実世界の地球系再分析(大気や海洋を含む)データセットの広範な実験は、DIAGNOの優れた能力を示し、多段階予測における最先端の性能を一貫して達成している。
さらに,気候異常を捕捉し,物理的整合性を維持する上での忠実さを評価することにより,専門的な地学領域におけるDIAGNOの実践的分析価値を評価する。
関連論文リスト
- Spherical Physics-informed Neural Operator with Multi-scale Coupling for Meteorological Downscaling [18.30237239392815]
本研究では, 音場を周波数成分に分割し, スケールをまたいだ正確な点対応を維持する球形物理インフォームドニューラル演算子を提案する。
我々のフレームワークは、様々な気象変数や目に見えない問合せに対して、優れた精度とゼロショットの一般化を実現している。
論文 参考訳(メタデータ) (2026-10-17T14:13:54Z) - Transolver-$σ$: Joint Spectral-Physical Subspace Modeling for Neural PDE Solving [53.58729034895666]
Transolver-$は、結合スペクトル-物理部分空間モデリングに基づくニューラルPDEソルバである。
平均的な相対誤差を33.4%減らし、各基準に対して最強の基準線を上回り、最先端を達成している。
論文 参考訳(メタデータ) (2026-09-29T11:24:19Z) - DyG$^2$T: Modeling Object Dynamics with 3D Gaussian Temporal-Spatial Particle Graph Transformer [86.4618122245946]
DyG$2$Tは動的モデリングフレームワークで、キーポイント表現を空間的に完了し、時間的に識別することでオブジェクトの運動軌跡を推定する。
合成データセットと実世界のデータセットの両方の実験は、DyG$2$Tが正確な動的モデリングと推論を実現することを示した。
論文 参考訳(メタデータ) (2026-08-19T03:44:28Z) - Earth-o1: A Grid-free Observation-native Atmospheric World Model [81.55899748753434]
我々は、構造的制約を克服する観測ネイティブな大気圏モデルであるEarth-o1を提示する。
多様なセンサー入力を統一されたグリッドフリーな力学場に統合することにより、モデルは空間と時間の大気状態を自律的に前進させる。
本稿では,このパラダイムにより,明示的な数値解法のオーバーヘッドを伴わずに,直接的,リアルタイムな予測とクロスセンサ推論が可能となることを示す。
論文 参考訳(メタデータ) (2026-05-07T14:27:48Z) - Beyond Attention: True Adaptive World Models via Spherical Kernel Operator [0.0]
標準的な注意を置き換えるフレームワークであるSpherical Kernelを紹介します。
SKOは、エージェントの偏りのある観察周波数から真の環境遷移のダイナミクスを数学的に分離する。
経験的評価により、SKOは自己回帰言語モデリングにおいて、収束を著しく加速し、標準の注意ベースラインを上回ることが確認される。
論文 参考訳(メタデータ) (2026-02-25T21:51:34Z) - Generalized Spherical Neural Operators: Green's Function Formulation [15.000285739440466]
設計可能な球面グリーン関数とその調和展開に基づく一般作用素設計フレームワークを提案する。
マルチスケールスペクトルモデリングと球面アップダウンサンプリングを組み合わせた階層型アーキテクチャであるGSHNetを開発した。
この結果から,GSNOを球面演算子学習の原理的および一般的な枠組みとして位置づけ,実世界の複雑性を伴う厳密な理論をブリッジした。
論文 参考訳(メタデータ) (2025-12-11T15:05:33Z) - TRENDy: Temporal Regression of Effective Nonlinear Dynamics [4.264200809234798]
TRENDyは、低時間ダイナミクスを学ぶための方程式のないアプローチである。
我々はTRENDyをトレーニングし、物理科学と生命科学のあらゆる分野から、合成データと実データの効果的なダイナミクスを予測する。
TRENDyの予測有効状態は、時間とともに変化を正確に予測するだけでなく、異なるパターンの特徴を識別する。
論文 参考訳(メタデータ) (2024-12-04T17:36:47Z) - Geometric Trajectory Diffusion Models [58.853975433383326]
生成モデルは3次元幾何学システムの生成において大きな可能性を示してきた。
既存のアプローチは静的構造のみで動作し、物理系は常に自然界において動的であるという事実を無視する。
本研究では3次元軌跡の時間分布をモデル化する最初の拡散モデルである幾何軌道拡散モデル(GeoTDM)を提案する。
論文 参考訳(メタデータ) (2024-10-16T20:36:41Z) - Neural-Network Quantum States for Periodic Systems in Continuous Space [66.03977113919439]
我々は、周期性の存在下での強い相互作用を持つシステムのシミュレーションのために、神経量子状態の族を紹介する。
一次元系では、基底状態エネルギーと粒子の放射分布関数を非常に正確に推定する。
二つの次元において基底状態エネルギーの優れた推定値を得るが、これはより伝統的な手法から得られる結果に匹敵する。
論文 参考訳(メタデータ) (2021-12-22T15:27:30Z)
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。