物理支援型およびトポロジー情報統合深層学習による気象予測

Physics-Assisted and Topology-Informed Deep Learning for Weather Prediction

May 8, 2025

著者: Jiaqi Zheng, Qing Ling, Yerong Feng

cs.AI

要旨

深層学習モデルは気象予測において顕著な可能性を示しているものの、その多くは基礎となる気象進化の物理学または地球表面のトポロジーのいずれかを無視しています。これらの欠点を踏まえ、我々は気象予測のための新しい物理支援型かつトポロジー情報を組み込んだ深層学習モデルであるPASSATを開発しました。PASSATは気象進化を2つの主要な要因に帰着させます：(i)移流方程式とナビエ-ストークス方程式によって特徴付けられる移流プロセス、(ii)モデル化と計算が困難な地球-大気相互作用。PASSATはまた、地球表面を単なる平面として扱うのではなく、そのトポロジーを考慮に入れます。これらの考慮事項に基づき、PASSATは球面多様体上で移流方程式とナビエ-ストークス方程式を数値的に解き、球面グラフニューラルネットワークを用いて地球-大気相互作用を捉え、同じ球面グラフニューラルネットワークから移流方程式を解くために重要な初期速度場を生成します。5.625度解像度のERA5データセットにおいて、PASSATは最先端の深層学習ベースの気象予測モデルおよび運用中の数値気象予測モデルIFS T42を上回る性能を示しました。コードとチェックポイントはhttps://github.com/Yumenomae/PASSAT_5p625で公開されています。

English

Although deep learning models have demonstrated remarkable potential in weather prediction, most of them overlook either the physics of the underlying weather evolution or the topology of the Earth's surface. In light of these disadvantages, we develop PASSAT, a novel Physics-ASSisted And Topology-informed deep learning model for weather prediction. PASSAT attributes the weather evolution to two key factors: (i) the advection process that can be characterized by the advection equation and the Navier-Stokes equation; (ii) the Earth-atmosphere interaction that is difficult to both model and calculate. PASSAT also takes the topology of the Earth's surface into consideration, other than simply treating it as a plane. With these considerations, PASSAT numerically solves the advection equation and the Navier-Stokes equation on the spherical manifold, utilizes a spherical graph neural network to capture the Earth-atmosphere interaction, and generates the initial velocity fields that are critical to solving the advection equation from the same spherical graph neural network. In the 5.625^circ-resolution ERA5 data set, PASSAT outperforms both the state-of-the-art deep learning-based weather prediction models and the operational numerical weather prediction model IFS T42. Code and checkpoint are available at https://github.com/Yumenomae/PASSAT_5p625.