ClimODE：基于物理信息神经 ODE 的气候与天气预报
人工智能
2024-04-17 v1 新兴技术
机器学习
大气与海洋物理
摘要
气候与天气预报传统上依赖于大气物理的复杂数值模拟。深度学习方法（如 Transformer）近期以复杂的网络预测挑战了这一模拟范式。然而，它们通常作为数据驱动的黑盒模型运行，忽略了底层物理学且缺乏不确定性量化。我们用 ClimODE 解决了这些局限性，这是一种时空连续时间过程，实现了统计力学中一个关键的平流原理，即天气变化源于物理量随时间在空间上的运动。ClimODE 利用守恒动力学对精确的天气演化进行建模，将全局天气传输学习为神经流，这也使得估计预测中的不确定性成为可能。我们的方法在全球和区域预报中优于现有的数据驱动方法，且参数化量级小了一个数量级，确立了新的 SOTA。
引用
@article{arxiv.2404.10024,
title = {ClimODE: Climate and Weather Forecasting with Physics-informed Neural ODEs},
author = {Yogesh Verma and Markus Heinonen and Vikas Garg},
journal= {arXiv preprint arXiv:2404.10024},
year = {2024}
}
备注
Accepted as ICLR 2024 Oral. Project website: https://yogeshverma1998.github.io/ClimODE/