Using Diffusion Models to Do Data Assimilation

doi:10.1175/MWR-D-25-0125.1

Using Diffusion Models to Do Data Assimilation

2026-02-01

1

PRE

AI

DOI：10.1175/MWR-D-25-0125.1

原文链接

原文求助

摘要

En 中文

机器学习方法在地球物理建模中的近期激增，引发了这些方法如何应用于数据同化（DA）的问题。我们专注于扩散建模（一种生成式人工智能）以用于能够执行整个DA过程的系统，而非基于机器学习的工具在传统DA系统中的使用。我们识别出至少三种不同类型的基于扩散的DA系统，并表明它们在采样时针对的后验分布存在差异。这些后验分布对应于不同的先验和/或似然，进而导致独特的训练数据集、计算需求和状态估计质量。我们的分析进一步表明，一个旨在针对与当前集合DA算法相同后验分布的扩散DA系统需要在每个DA循环中进行重新训练。我们讨论了这些发现对扩散建模在DA中应用的启示。

Keyword:

Bayesian methods

Kalman filters

Neural networks

Artificial intelligence

Deep learning

Machine learning

Using Diffusion Models to Do Data Assimilation

摘要

期刊

机构

引用论文