English(EN) Online learning of subgrid-scale models for quasi-geostrophic turbulence in planetary interiors

机器学习模型可准确预测行星流体动力学在长时间尺度上的行为

作者 PulseAugur 编辑部 · [1 个来源] · 2026-11-05 05:00

研究人员开发了一种新颖的方法，通过采用在线端到端机器学习来模拟行星内部的流体动力学。该方法使用了一个可微分求解器，该求解器主动参与训练过程，从而能够学习子网格尺度模型。该系统在有界环形区域内的二维准地转湍流上进行了测试，成功重现了纬向急流和罗斯比波等复杂现象。一项关键发现是，在单个周转时间上训练的模型可以准确预测训练周期长一个数量级的长时间动力学行为。 AI

影响这项研究展示了一种模拟复杂流体动力学的新方法，有可能将地球物理学研究的进展速度提升到超越直接数值模拟的极限。

排序理由该集群包含一篇详细介绍新研究方法的学术论文。[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 →

本文如何被排名

Signal score: 27 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 该集群包含一篇详细介绍新研究方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, infra; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: Breaking (< 6h); Fresh story with cross-source coverage still developing. Ranking may shift as more sources report.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.LG TIER_1 English(EN) · Hugo Frezat, Thomas Gastine, Alexandre Fournier · 2026-11-05 05:00

行星内部准地转湍流的子网格尺度模型的在线学习

arXiv:2511.14581v3 Announce Type: replace-cross Abstract: Machine learning approaches to subgrid-scale (SGS) modeling are now well established in atmospheric and oceanic applications. Among these, online end-to-end learning, where the differentiable solver participates in the tra…

本文如何被排名

报道来源 [1]

行星内部准地转湍流的子网格尺度模型的在线学习

相关实体

相关话题