AI-GOMS 清华黄小猛
海洋大模型
海洋数据用HYCOM,还有一些ERA5的大气数据用于边界条件,地形数据为ETOPO
backbone model用于预测T S U V SSH,微调后用于下游的降尺度、波解码、生物化学耦合
适用于缺测的稀疏数据
预测给的是30天的结果统计和对比
在backbone model的预测结果统计中,特地提了该模型对stratification的模拟效果,作者认为赤道有开尔文波和罗斯贝波,是一个比较好的看层化的地方,所以展示了一下赤道太平洋的垂直剖面分层模拟结果
该模型每一层用的是AFNO,但是和FourCastNet做对比,比他好。所以要看看既然都用了AFNO,架构上有何不同
这篇论文在AI模型上引入了边界条件和初始条件的概念,但暂时没有发现是如何处理的,从方法实现那一部分的数据维度来看,应该没有在模型结构上显示的处理,只是在概念上作以区分,实际操作上是直接stack成高维然后merge在一起
【推荐】编程新体验,更懂你的AI,立即体验豆包MarsCode编程助手
【推荐】凌霞软件回馈社区,博客园 & 1Panel & Halo 联合会员上线
【推荐】抖音旗下AI助手豆包,你的智能百科全书,全免费不限次数
【推荐】博客园社区专享云产品让利特惠,阿里云新客6.5折上折
【推荐】轻量又高性能的 SSH 工具 IShell:AI 加持,快人一步
· 微软正式发布.NET 10 Preview 1:开启下一代开发框架新篇章
· 没有源码,如何修改代码逻辑?
· PowerShell开发游戏 · 打蜜蜂
· 在鹅厂做java开发是什么体验
· WPF到Web的无缝过渡:英雄联盟客户端的OpenSilver迁移实战