PofoliaPofolia ile paylaşıldı

Geophysical Research Letters· 2026Q1

Atmosferik Yerçekimi Dalgalarıyla İlgili Gösterimleri Çok Yöntemli İnce Ayar Yoluyla Bir Hava Temel Modelinde Sonda Yapmak

Probing Atmospheric Gravity‐Wave‐Relevant Representations in a Weather Foundation Model via Multi‐Method Fine‐Tuning

Yanan Guo, Junqiang Song, Chuanfeng Zhao, Xiaoqun Cao ve diğerleri

Kısa özet

Bir hava temel modeli (Aurora), yerçekimi dalgası momentum akılarını tahmin etmek için ön eğitim faydaları gösterir, özellikle enlemsel akı (38.9% - 41.6% normalize hata, FISH + TADP'ye karşı rastgele kontrol) ve %1 parametre ince ayarı önemli beceri kurtarır.

Yapay zekâ ile başlık ve abstract'tan üretildi; tam metin okunmaz.

Ana noktalar

  • Aurora hava temel modelindeki ön eğitim, yerçekimi dalgası momentum akılarının tahmininde bir fayda göstermektedir.
  • Enlemsel akı tahmini, parametre açısından verimli ince ayar yöntemleriyle (örn. FISH + TADP) rastgele başlatmaya kıyasla iyileşmiştir (%38.9 - %41.6 normalize hata).
  • Boylamsal akı tahmini tüm yöntemlerde zorluğunu korumuştur (%60-%80 NRMSE).
  • Ön eğitim faydası seviyeye bağlıydı, 200-300 hPa'da önemli kazançlar ve 50 hPa'da minimal kazançlar görüldü.
  • Parametrelerin yaklaşık %1'ini ince ayar yapmak, tam ince ayarın becerisinin önemli bir bölümünü kurtarmıştır, bu da donmuş omurganın düzenlileştirme sağladığını göstermektedir.

Yapay zekâ ile başlık ve abstract'tan üretildi; tam metin okunmaz.

Özet (abstract)

Abstract Weather foundation models pretrained on reanalysis data may encode subgrid‐scale physics beyond their forecasting objectives. Using Aurora, we probe this with a multi‐method fine‐tuning framework: agreement across structurally different adaptation strategies signals shared backbone information, while a matched randomly initialized control isolates pretraining's contribution. We evaluate six methods (0.5%–100% of trainable parameters) for predicting ERA5‐resolved, T21‐filtered gravity‐wave momentum fluxes (313–1,820 km). Evidence for a pretraining benefit is strongest for the zonal flux : several parameter‐efficient methods outperform random initialization, most clearly FISH + TADP (38.9% vs. 41.6% normalized error, = 0.007). The meridional flux remains hard for all methods (NRMSE 60%–80%). The benefit is level‐dependent: 11–14 percentage points at 200–300 hPa but only 0.2 at 50 hPa. Approximately 1% of parameters recover part of full‐fine‐tuning skill (38.9% vs. 31.8%), indicating regularization by the frozen backbone.

Yazarların özeti; kaynağından alınmıştır. Geophysical Research Letters, 2026 · DOI ↗

ÇıkarımlarPremium
Makaleye SorÜcretsiz hesapla

Ücretsiz hesapla devam et

Makaleye Sor ile bu makaleye günde 3 soru ücretsiz; makaleyi kaydet, kaynakçasını al, ilgi alanına göre her gün yeni özetler. Çıkarımlar Premium.

Web'de ücretsiz devam et

Google ya da Apple hesabınla giriş; kart istemez. Bu makaleye geri dönersin.

Telefonda:

Alan: Atmosfer Bilimi

Atmospheric ScienceEarth and Planetary Sciences