네이처에 게재된 end-to-end 날씨 예측 모델 Aardvark Weather
지금까지 나온 논문들은 ...
초기상태는 여전히 NWP에 의존하고, 위성/관측 자료는 학습에만 사용하거나 (예측 시에는 사용 x) local station 예보는 어려웠음
대체 수준은 아니었다
근데 여기서는
위성, 지상 관측 자료만 입력으로 받아서 초기 상태 추정하고,
예보 생성하고, 지역 관측소 수준 예보까지 산출한다.
10일 예보까지 가능한듯
#neural process
encoder: 관측데이터로 초기상태 추정
vit로 24시간 단위 예보 (autoregression)
decoder 지역별 변수 예보 e.g., 2tm, 10m wind speed
입력 데이터로 실제 NWP 가 사용하는 관측 데이터의 8%만 사용해도 GFS보다 우수하고 HRES랑 비슷하다고 함
여기는 잘 모르는데 LEO , GEO .. 등등 사용하는듯
챗지피티한테 다른 모델들이랑 비교해달라고 했는데
뭐 저 컬럼들이 이번 논문에 맞춰져있는 것 같기는 한데 어쨌든 ;;
지역 예보 같은 경우에는 지역별 최적화가 가능해서 mae도 감소하고... 풍속까지 예측이 된다고 하니깐용...
GPU는 A100 4개로 1초정도 -> 예보에 사용 되었다고 하는데
학습 환경에 대해서는 딱히 언급이 없네용 ;; 좋은거 때려박았겠지 생각...
그리고 학습 데이터가 2007~2017년으로 10년정도밖에 안했고 테스트도 2018년인데
이렇게 최신 논문인데 왜이렇게 옛날로 했지?
라고 생각해서 찾아보니까 ERA5가 2019년 이후에 데이터 동화 시스템이 개정되면서 ERA5랑 HRES 차이가 커졌다고 이 두개 일치도가 높은 시점을 사용했다고 하네요
그래서 마지막에 이 논문에서는 일단 안정성이랑 검증 가능성 있는지 확인해보려고 했다고 합니다
실제 결과 보면 이 모델이 항상 좋은 건 아닌 것 같고 q만 HRES랑 비슷한 것 같고
서플 보면 변수별로도 보이는데 좋아 보이는 것 같기도 하고 ...
리드타임이 길어질수록 이렇게 차이나는 게 당연한데
우리 연구 생각해봤을 때 어떤게 맞는건지...
뭐 어쨌든 end-to-end 라니 그리고 관측만 썼는데도 좋았다는건 신선하네용
