PulseAugur
中
实时 10:37:09
English(EN) Timestep-Conditioned Transformers for Global Weather Forecasting

新的GEM-3天气模型使用时间步长条件变换器

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了GEM-3，一种新的概率性全球天气模型，它使用时间步长条件变换器。该模型允许在推理时灵活配置时间步长，平衡了在不同预报时段内解析大气动力学与减少误差累积之间的权衡。GEM-3拥有约1.34亿个参数，在其前身GEM-2的基础上，并结合了架构上的进步，实现了接近最先进的中期概率技能和稳定的扩展范围预报。 AI

影响 该模型灵活的时间步长配置可以提高不同时间尺度上天气预报的准确性和可用性。

排序理由 该集群描述了一篇关于用于天气预报的新型机器学习模型的最新研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新的GEM-3天气模型使用时间步长条件变换器

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Sam Levang, Fran Bartolic, Ty Dickinson, Chase Dwelle, Paulius Rauba, Viktor Cikojevic ·

    用于全球天气预报的时间步长条件Transformer

    arXiv:2608.06241v1 Announce Type: new Abstract: Existing machine-learning weather forecasting models rely on predetermined and fixed autoregressive timesteps. The choice of model timestep involves a fundamental trade-off: shorter timesteps (e.g. 1 to 6 hours) finely resolve atmos…

相关实体

相关话题