PulseAugur
实时 16:59:35
English(EN) AirCast-SR: A Foundation Model for Kilometer-Scale Atmospheric Super-Resolution via Latent Consistency Diffusion

AirCast-SR:公里尺度天气超分辨率的基础模型

研究人员开发了AirCast-SR,一个专为公里尺度大气超分辨率设计的基礎模型。该模型可以将全球AI天气预报从约28公里分辨率降至1公里分辨率,并生成67小时的八种地表变量预报。AirCast-SR采用了潜在一致性模型扩散框架,并展现出强大的性能,实现了接近零的偏差,并保留了精细的大气结构。该模型在无需重新训练的情况下,已显示出对新区域的零样本全球迁移能力,为高分辨率AI天气预报建立了一种新方法。 AI

影响 为公里尺度AI天气预报建立了一种新范式,能够为各种应用提供更精细的预报。

排序理由 该集群描述了一篇关于大气超分辨率基础模型的新研究论文。[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 →

AirCast-SR:公里尺度天气超分辨率的基础模型

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Somnath Luitel, Manmeet Singh, Joshua Durkee, Abdullah Al Fahad, Naveen Sudharsan, Prabhjot Singh, Cenlin He, Harsh Kamath, Zong-Liang Yang, Krishnagopal Halder, Sandeep Juneja, Parthasarathi Mukhopadhyay, Saptarishi Dhanuka, Amit Kumar Srivastava ·

    AirCast-SR: A Foundation Model for Kilometer-Scale Atmospheric Super-Resolution via Latent Consistency Diffusion

    arXiv:2605.26130v1 Announce Type: new Abstract: Operational weather prediction at kilometer scales remains computationally prohibitive for traditional numerical weather prediction (NWP) models, limiting forecast access for applications in energy, agriculture, and disaster managem…