FNP: 用于任意分辨率数据同化的傅里叶神经过程
机器学习
2024-06-05 v1 人工智能
摘要
数据同化是现代全球中期天气预报系统中获取大气状态最佳估计的关键组成部分，它结合了短期预报和观测数据。近年来，基于人工智能的数据同化方法因其在计算消耗方面相比传统技术的显著优势而受到越来越多的关注。然而，现有的基于AI的数据同化方法只能处理特定分辨率的观测数据，缺乏同化其他分辨率观测数据的兼容性和泛化能力。考虑到复杂的现实世界观测数据往往具有不同的分辨率，本文提出了用于任意分辨率数据同化的傅里叶神经过程(FNP)。利用所设计模块的高效性和神经过程的灵活结构，FNP在同化不同分辨率的观测数据方面取得了最先进的结果，并且随着分辨率和观测数据量的增加，其相对于同类方法的优势也越来越明显。此外，在固定分辨率上训练的FNP可以直接处理分布外分辨率观测数据的同化以及观测信息重建任务，无需额外微调，展示了其在数据分辨率和任务上的出色泛化能力。
引用
@article{arxiv.2406.01645,
title = {FNP: Fourier Neural Processes for Arbitrary-Resolution Data Assimilation},
author = {Kun Chen and Tao Chen and Peng Ye and Hao Chen and Kang Chen and Tao Han and Wanli Ouyang and Lei Bai},
journal= {arXiv preprint arXiv:2406.01645},
year = {2024}
}