Towards diffusion models for large-scale sea-ice modelling

要約

私たちは、多変量かつ北極全体の海氷状態を無条件に生成するための拡散モデルへの第一歩を踏み出します。
潜在空間での拡散によって計算コストを削減することを目標としている一方で、潜在拡散モデルは物理的知識を生成プロセスに統合する可能性も提供します。
データ空間内の打ち切りガウス分布を使用して潜在拡散モデルを海氷物理学に合わせて調整し、モデル化された変数の物理的境界に従うデータを生成します。
私たちの潜在拡散モデルは、データ空間でトレーニングされた拡散モデルと同様のスコアに達しますが、潜在マッピングによって引き起こされる生成フィールドを平滑化します。
物理的な境界を強制してもスムージングを減らすことはできませんが、氷の境界領域の表現は改善されます。
したがって、大規模な地球システム モデリングの場合、平滑化の大きな障壁を解決できれば、潜在拡散モデルはデータ空間での拡散と比較して多くの利点を持つことができます。

要約(オリジナル)

We make the first steps towards diffusion models for unconditional generation of multivariate and Arctic-wide sea-ice states. While targeting to reduce the computational costs by diffusion in latent space, latent diffusion models also offer the possibility to integrate physical knowledge into the generation process. We tailor latent diffusion models to sea-ice physics with a censored Gaussian distribution in data space to generate data that follows the physical bounds of the modelled variables. Our latent diffusion models reach similar scores as the diffusion model trained in data space, but they smooth the generated fields as caused by the latent mapping. While enforcing physical bounds cannot reduce the smoothing, it improves the representation of the marginal ice zone. Therefore, for large-scale Earth system modelling, latent diffusion models can have many advantages compared to diffusion in data space if the significant barrier of smoothing can be resolved.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google