arXiv cs.AI· Wenqing Peng, Michael Boy, Zhi-Song Liu·· 12 小时前AI 评分29
KPPax：为大气化学机器学习打造的可微分动力学 ODE 预处理器
KPPax: preprocess differentiable kinetic ODE for machine learning in atmospheric chemistry
AI 导读
KPPax 是一个动力学预处理器，可将 KPP 语言描述的大气化学机理转换为 JAX 中可微分、即时编译且可向量化的化学代码。它用 log 空间的稀疏运算计算速率定律，并借助 diffrax 的隐式求解器与正向/反向伴随获得精确敏感度，无需手写伴随代码。
正文 · AI 翻译
摘要：大气化学机理通常以 Kinetic PreProcessor（KPP）语言发布，该语言可生成高效的 Fortran 或 C 代码，但不适用于开发机器学习模型的可微编程框架。我们提出 KPPax，一种动力学预处理器，可从以 KPP 语言编写的机理出发，在 JAX 中生成可微、即时编译且可向量化的化学代码。KPPax 在对数空间中用稀疏运算计算速率定律，从而保持可微性，并用 \texttt{diffrax} 库的隐式求解器以及前向和反向模式伴随来积分刚性系统，因此无需手工推导伴随代码即可获得精确灵敏度。我们以 POLLU 基准机理演示了两个应用。第一个应用中，由自动微分雅可比矩阵计算出的 Fisher 信息矩阵在任何拟合之前就预测出 25 个速率系数中哪些可被类流管设计识别，含噪合成估计确认了九个可识别速率系数的预测不确定度在约 30\% 以内，同时揭示出仅受比值约束的快速反应簇。第二个应用中，排放清单的神经网络修正先在逐情景 4D-Var 反演上离线训练，再通过化学模型在线微调，使生物源修正的误差降低 2.4--5 倍，并恢复了单次反演所丢失的低温排放信息。KPPax 使 KPP 机理可直接用于参数估计和物理--机器学习混合建模。
| 学科： | 人工智能（cs.AI） |
| 引用为： | arXiv:2610.37655 [cs.AI] |
| （或 arXiv:2610.37655v1 [cs.AI] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.37655 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Wenqing Peng [查看邮箱]
[v1]
2026年10月27日星期二 17:58:40 UTC（1,154 KB）
来源：arXiv cs.AI · arxiv.org