Abstract
AIベースの数値天気予報（NWP）は迅速な予測を可能にしますが、高解像度の出力を生成することは、限られたマルチスケール適応性と非効率なデータ表現のため、計算的に依然として負担が大きいです。本研究では、任意解像度の予報と高次元の大気場の柔軟なダウンスケーリングのための、新しい枠組みである3Dガウススプラッティングベースのスケール認識型ビジョントランスフォーマ（GSSA-ViT）を提案します。具体的には、緯度・経度のグリッド点を3Dガウスの中心として扱います。生成的な3Dガウス予測スキームを導入し、共分散、属性、不透明度といった主要パラメータを、見えていないサンプルに対して推定することで、汎化性能を向上させ、過学習を緩和します。さらに、スケール認識型注意モジュールを設計し、スケール間の依存関係を捉えます。これにより、異なるダウンスケーリング比にわたって情報を効果的に統合し、連続的な解像度適応を支援できます。私たちの知る限り、本研究は生成的な3Dガウスモデリングとスケール認識型注意を組み合わせた、統一的なマルチスケール予測のための初めてのNWPアプローチです。ERA5に関する実験では、提案手法が任意解像度で87の大気変数を正確に予測できることが示され、またERA5およびCMIP6での評価では、ダウンスケーリング課題においてその優れた性能が示されています。提案する枠組みは、高解像度・マルチスケールの大気予測とダウンスケーリングのための、効率的かつスケーラブルな解決策を提供します。コードは以下で入手できます：https://github.com/binbin2xs/weather-GS。
