（スパース）注意の細部：MLベースの天気予報モデルにおけるスペクトル忠実度の維持

arXiv cs.LG / 2026/4/21

📰 ニュースDeveloper Stack & InfrastructureModels & Research

共有:

要点

本論文では、アンサンブル平均に対する決定論的学習と、圧縮符号化による情報ボトルネックという2つの主なスペクトル劣化要因に対処する確率的天気予報モデル「Mosaic」を提案します。
Mosaicは、学習済みの機能的摂動でアンサンブルメンバーを生成し、ブロックスパース注意を用いてネイティブ解像度グリッド上で運用することで、近傍の空間クエリ間でキーとバリューを共有しつつ長距離依存を効率的に捉えます。
1.5°解像度・2億1400万パラメータの条件で、Mosaicは主要な上層気象変数について「6倍細かいデータで学習したモデル」に対して同等以上の性能を示すとされています。
1.5°モデル群において最先端の結果を達成しつつ、解像された周波数全域で各メンバーがほぼ完全にスペクトル整合する、よく較正されたアンサンブルを生成すると報告されています。
計算速度も速く、24メンバーの10日予報が単一のNVIDIA H100 GPUで12秒未満で完了すると主張されています。