Oct, 2023

使用傅里叶神经算子的强大海洋亚格尺度参数化

PDF
TL;DR气候模拟中，小尺度过程对海洋动力学产生重要影响但直接解析计算代价高。因此，我们开发了基于 Fourier 神经算子的参数化方法，展示了其在准确性和泛化性方面与其他方法的比较。最后，讨论了在频域操作的神经网络的潜力和限制，为未来的研究打下基础。
climate simulationssmall-scale processesocean dynamicsparameterizationsfourier neural operators
发现论文，激发创造
  • 任意分辨率气候数据下降的傅里叶神经算子

    本文介绍了一种基于 Fourier 神经算子的下采样方法，其能够实现在低分辨率的模拟数据上零样本升采样到任意分辨率，并且在这方面表现优于先前的模型。作者将其在气候和 Navier-Stokes 方程解数据上进行了评估，结果显示其在单分辨率下采样和零样本上采样方面均优于现有的模型。

    May, 2023

  • 用傅立叶神经算子优化多目标超参数和架构的洋流动力学建模

    利用 DeepHyper 的高级搜索算法优化深度学习模型的超参数选择，尤其针对海洋模拟进行数据驱动建模，以提高模型精确性。实验结果显示，优化后的超参数集在单时间步预测中改善了模型性能，并在长时间范围内的自回归预测中大幅超过了基线配置。利用 DeepHyper 展示了在海洋动力学预测中提升 FNOs 使用的可扩展解决方案。

    Apr, 2024

  • 使用神经网络对亚网大气过程进行稳定、精确、物理一致参数化，并在降低精度的情况下具有良好性能

    通过从高分辨率大气模拟中粗粒化模型方程和输出的方式学习神经网络参数化，实现替换传统的物理模型的亚网参数化方法，最终实现稳定的气候模拟并提高计算效率。

    Oct, 2020

  • 多尺度神经算子：学习快速且与网格无关的 PDE 求解器

    利用神经算子的混合模型有效缩短了气候、化学或天体物理领域的数值模拟所需的计算成本、提升了模型预测精度、并提供了更灵活的可靠的参数化方法。

    Jul, 2022

  • 本地卷积增强的全局傅里叶神经算子用于多尺度动态空间预测

    通过改进的傅里叶层和注意机制，我们提出了一种新颖的分层神经算子，旨在捕获所有细节并在不同尺度上处理它们，以解决多尺度偏微分方程问题。在多个物理场景中进行实验，并在现有偏微分方程基准测试中取得卓越性能，尤其是具有快速系数变化特征的方程。

    Nov, 2023

  • OceanNet：基于神经操作符的区域海洋数字孪生模型

    研究介绍了 OceanNet，一种基于神经算子方式的洋流数字孪生技术，用于解决海洋建模中的复杂性问题以及季节性预测任务，通过利用历史海面高度数据进行训练，OceanNet 通过超过优化的现代动力学海洋模型预测降低计算量 500,000 倍，展示了物理启发的深度神经算子作为高效替代品的潜力。

    Oct, 2023

  • 使用深度学习来描述气候模型中的子网格过程

    利用深度学习可以以极小的计算代价代替传统的云细度建模的层状参数化方法，实现全球多年的气候预测。

    Jun, 2018

  • 多支撑度傅立叶神经算子用于大规模地质碳封存快速建模

    采用多保真度傅里叶神经操作器解决大规模地质碳储存问题，并减少高真实度数据生成成本。

    Aug, 2023

  • 预测三维地震波传播的傅里叶神经算子代理模型

    本文介绍了利用神经算子和傅里叶神经算子在三维地震学中进行高保真数值模拟并模拟地面运动时系列的应用。模型可以用于评估地质特征对地面运动的影响，特别是介于中等和大范围的区间的地面运动强度。

    Apr, 2023

  • 深度神经算子模型在海洋预测中的评估

    深度学习模型框架在预测时间序列数据方面具有潜在应用，尤其是在大气和海洋领域。本研究探讨了利用深度神经操作模型对经典流体流动和真实海洋动力学进行重现和预测的可能性，并证实了这些模型对理想化周期性涡流脱落和真实海洋表面流动的一些特征的预测能力。

    Aug, 2023