PDE 基础模型是火星大气情报预测中有技巧的 AI 模型
机器学习
2026-02-17 v1 大气与海洋物理
摘要
我们表明，预训练于偏微分方程数值解的 AI 基础模型可被调整和微调，以获得火星大气情报预测的高技巧模型。我们的工作基于二维 Poseidon PDE 基础模型。我们发展了一种将 Poseidon 从二维扩展到三维的方法，同时保留预训练信息。此外，我们研究了稀疏初始条件下模型的性能。我们的实验使用了四个火星年（约 34 GB）的训练数据和中位数 13 小时的 GPU 计算预算。我们发现，预训练与模型扩展的组合在保留年份上提升了 34.4% 的性能。这表明 PDE-FMs 不仅能逼近其他偏微分方程的解，还能为缺乏足够训练数据或合适计算预算的真实世界问题提供模型锚点。
引用
@article{arxiv.2602.15004,
title = {PDE foundation models are skillful AI weather emulators for the Martian atmosphere},
author = {Johannes Schmude and Sujit Roy and Liping Wang and Theodore van Kessel and Levente Klein and Marcus Freitag and Eloisa Bentivegna and Robert Manson-Sawko and Bjorn Lutjens and Manil Maskey and Campbell Watson and Rahul Ramachandran and Juan Bernabe-Moreno},
journal= {arXiv preprint arXiv:2602.15004},
year = {2026}
}