Appa: 基于潜在扩散模型的天气动力学数据同化
机器学习
2025-11-19 v3 大气与海洋物理
摘要
深度学习已推动天气预报, 但准确预测首先需要从观测数据中识别大气当前状态。 本文介绍了 Appa, 一个基于评分的同化模型, 在 0.25 度分辨率和 1 小时间隔生成全球大气轨迹。 由 5650 万参数的潜在扩散模型在 ERA5 上训练的 Appa 可在任意观测数据条件下推断合理轨迹, 无需重新训练。 我们的方法概率框架处理再分析、过滤和预测, 在单个模型中生成来自各种输入的物理一致重构。 结果表明, 潜在评分-based 同化是未来全球大气建模系统的有前景的基础。
引用
@article{arxiv.2504.18720,
title = {Appa: Bending Weather Dynamics with Latent Diffusion Models for Global Data Assimilation},
author = {Gérôme Andry and Sacha Lewin and François Rozet and Omer Rochman and Victor Mangeleer and Matthias Pirlet and Elise Faulx and Marilaure Grégoire and Gilles Louppe},
journal= {arXiv preprint arXiv:2504.18720},
year = {2025}
}