Recap

리뷰한 논문 목록

• DySLIM
• ControlNet
• Dyffusion
• FengWu
• ClimODE
• Adaptive bias correction for improved subseasonal forecasting
• ExtremeCast
• KARINA: AN EFFICIENT DEEP LEARNING MODEL FOR GLOBAL WEATHER FORECAST
• What Should Data Science Education Do With Large Language Models?
• Long-form factuality in large language models

Solar

LDAPS 데이터 하나를 받아서 ASOS돌린 값이랑 비교해보았다.

이렇게 나왔는데 이유가 뭘까 하고 보니까
제일 영향이 큰 변수인 solar radiation 이라는 변수의 분포와 비슷했다.

이날의 ASOS에서 solar radiation값이 이상했던 것 같음 ^^...

며칠전에 2023-04의 LDPS 자료를 다 다운받고 확인해봤다.
다음주에
- [ ] LDPS 데이터로 전처리(단위맞추는) 한번에 하는 코드 만들어서 csv 파일로 만들기
- [ ] 2023-04 LDPS 를 넣고 test 해보기
- [ ] 2023-04 ASOS 를 넣고 test해보기
- [ ] LDPS (TEST)랑 실제 2023-04 발전량이랑 비교해보기

를 하면 될 것 같다.
그리고 모델 구조를 좀 개선해서 성능을 높이는 쪽으로.

논문도 여러개 찾아봤는데 내가 하는 연구처럼 1:1로 발전량을 예측하는 연구가 없다...
단순한 태스크라서 그런가? 오히려 복잡한 모델로 돌리면 잘 안나오는 듯

S2S

전체적인 모델 구조는 일단?

이런식으로(Long term, short term을 나눠서) 생각했었는데
여기서 조금 추가할 부분이 있다.
1. Long term 모델의 loss function을 수정
물리 텀은 약하게 집어넣기
2. long+short 합치는 과정에서 bias correction
3. 그 다음에 autoregressive하게 돌아가게

Pangu 돌리는데 1년치 한꺼번에 돌리려니까 자꾸 터져서 한달씩 하고있고,
NeuralGCM은 돌아가는 거 확인함.

850에서 specific humidity 만 예시로 뽑앗다.
그런데 S2S에서 evaluation method를 아직 안살펴봐서 평가 방법을 뭐로 해야 하는지 고민중
앙상블은 있어야 하는데 앙상블 전에는 뭐로 할지도 정해야 하니까...
이것저것 살펴보고 또 한바탕 공부해야지...

아직 Short-term model을 뭐로 가져올지 고민중...
그리고 만약에 input timestep을 두개 넣는다면 모델은 어떻게 바뀌어야 하는지 다시 고민해야함.
Xt, Xt+1을 넣어서 Xt+k, Xt+k+1이 나오는데
bias correction은 마지막에 나온 한개에 대해서 하는게 아니라
마지막에 나온 두개에 대해서 해야하기 때문에
일단 전체 코드 틀 짜면서 다시 정해야 할 듯.

2024-3-29

대기과 여자분들과 회식했다.
같은 동에 살면서 자주 마주칠 일이 없어서 아쉬웠는데, 이렇게 좋은 기회에 사람들 만나서 이름도 알고 얘기도 나누니까 여긴 정말 좋은 분들이 참 많은 듯 ...(❁´◡`❁)

이번 달 계획을 일주일 4번 이상 논문 리뷰해서 벨로그에 글 쓰기로 했는데
4월도 아자아자...!!!
논문 몇개 읽으니까 슬 감이 온다.

Review Paper

요즘 논문 읽으면서 사용하는 최고 효율 방법
1. 논문을 일단 GPT한테 요약해달라고 하고 내용 파악
2. 내가 논문 본문을 읽으며 메모하면서 읽기
3. 내 메모를 주고 틀린거 지적하고 중요한게 빠졌으면 지적 요청하기

이렇게 해서 내가 잘못 이해했던거나 빼먹었던 내용까지 체크하고 패스.
만약 여기까지 했는데 흥미롭다면 더 읽어야지....
그래도 시간절약이 정말 많이 되어서 좋다.

Plan

1. 태양광 2023-04 데이터로 LDPS vs. ASOS vs. GT 값 비교
2. S2S 전체적인 구조 디테일하게 구상 done, 전체 틀 코드 done