研究人员开发了一种使用粗粒度观测进行动力学系统概率预测的新方法,以应对未知的细微尺度影响的挑战。他们的研究发表在arXiv上,揭示了在有限数据和长预测范围内训练的标准扩散模型和随机插值模型可能出现显著的分布误差。研究团队发现,通过级联更短的预测可以显著减少湍流和波浪的误差,但也识别出该方法有害的场景。他们提出了一个分析模型来解释这些发现,认为最优的级联深度取决于未解析尺度与观测尺度之间的耦合以及预测对观测的依赖性的振荡性质。 AI
影响 这项研究可能带来更准确的复杂系统预测,如流体动力学和波传播,并可能影响依赖此类预测的领域。
排序理由 关于新颖预测方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →