Neural SDE 直接学物理时间动态,天气预报可提前 5 天出概率预测
canaesseth · x · 2026-10-05
作者（Naesseth 等）发布论文 SDECast，提出用 Neural SDE 做连续时间概率天气预报，摆脱扩散模型/flow matching/随机插值的伪时间设定，在真实物理时间中建模大气随机动态。
- 方法：将 SDE Matching 扩展到物理空间直接学习随机动态，训练时无需反复模拟 SDE，避免自回归 rollout 在短时间步下的误差累积。
- 结果：在模拟地球物理流上能恢复有意义的漂移动态并忠实复现连续时间行为；可扩展到小时分辨率的全球天气预报，提前期达 5 天仍能产出有效的概率预测。
- 已被 NeurIPS 2026 的 AI for Stochastic Dynamics 与 Sim2Science workshop 接收。
「研究」频道最新
- Dream4ACT 用统一视觉动作接口跨机器人本体建模,RoboTwin 2.0 成功率近 89% — Xiangyu Zhu · 2026-10-05
- SMI 框架用理解模型管理空间记忆,破解世界模型长视频难题 — Ying Yang · 2026-10-05
- LVMT 长视频分割刷出新 SOTA,速度还比此前最佳快 10 倍 — tue-mps · 2026-10-05
- Schmidhuber 再提旧账：2017 Transformer 源自 1991 线性注意力 — SchmidhuberAI · 2026-10-05
- AI去噪图像分数相近,衍射斑点恢复率却大不同 — bravo_abad · 2026-10-05
- 开发者开源欧洲语言 PII 脱敏模型,附训练与服务优化全记录 — auto_grad_ · 2026-10-05