기계 학습 기반 예측과 보장된 오토인코더를 결합하여 기후 데이터를 효율적으로 압축하고 주요 기후 현상을 정확하게 보존할 수 있다.
본 연구는 변분 추론을 활용한 효율적인 트랜스포머 기반 압축 프레임워크 VAEformer를 제안하여, 226TB 규모의 ERA5 기후 데이터를 0.7TB의 CRA5 데이터셋으로 압축하는 동시에 기상 예보 모델의 성능을 유지하는 것을 보여줍니다.
