本研究は、気象データのダウンスケーリングにおけるニューラルオペレーターの性能を評価しています。2つの実験を行いました。
1つ目の実験では、粗い解像度のERA5データを高解像度のERA5データにダウンスケーリングする問題を扱いました。標準的なダウンスケーリングでは、Swin Transformerベースのモデルが最も良い性能を示しました。ゼロショットダウンスケーリングでも同様の結果が得られ、Swin Transformerが最も優れていました。ニューラルオペレーターモデルは標準的なダウンスケーリングでは良い結果を出しましたが、ゼロショットダウンスケーリングでは劣る傾向にありました。
2つ目の実験では、低解像度のERA5データを高解像度のWTKデータにダウンスケーリングする問題を扱いました。この実験では、データが異なるシミュレーションから得られているため、より現実的な設定となっています。結果は1つ目の実験と同様で、Swin Transformerが最も良い性能を示しました。ニューラルオペレーターモデルは標準的なダウンスケーリングでは良い結果を出しましたが、ゼロショットダウンスケーリングでは劣る傾向にありました。
全体として、ニューラルオペレーターは気象データのゼロショット・ダウンスケーリングにおいて、従来のニューラルネットワークモデルに比べて優れた性能を示さないことが分かりました。むしろ、Swin Transformerベースのアプローチが最も良い結果を出しています。ただし、全てのモデルが高波数領域の物理特性を十分に捉えられていないことが課題として残されています。
Vers une autre langue
à partir du contenu source
arxiv.org
Questions plus approfondies