强化扩散模型实现高技巧降水预报
原文：Skillful and realistic precipitation forecasting with reinforced diffusion
准确的降水预报仍然难以实现，因为基于物理的模型难以解析中尺度对流，而机器学习往往产生物理上不一致的模糊结果，并持续低估极端事件。我们提出FitzRoy，这是首个在美国大陆范围内同时实现最先进预测技巧和物理真实性的系统。通过强化扩散框架——其中条件离散扩散模型通过强化学习进行精炼——FitzRoy有效解决了点态准确性与结构保真度之间长期存在的权衡。在长达24小时的预报时效内，FitzRoy始终匹配或超越最先进模型，同时保持结构真实性和捕捉极端事件。其低延迟推理进一步支持在实时业务环境中部署。在2025年德克萨斯丘陵地区洪水和2026年密苏里洪水的案例研究中，FitzRoy发出了现有模型大多遗漏的破纪录累积降水量信号。通过弥合真实性与技巧之间的差距，FitzRoy为高保真降水预报开辟了新前沿。作者：Ozan Sener, Anand Avati, David Hafner, Jierui Lin, Laura Manduchi 类别：cs.LG, physics.ao-ph