arXiv cs.AI· Herui Li, Bin Lu, Haonan Qi, Lei Zhou, Luoyi Fu, Xinbing Wang, Meng Jin·· 1 天前AI 评分29
DIAGNO：面向异质地球动力学建模的对角球面神经算子
DIAGNO: Diagonal Spherical Neural Operators for Heterogeneous Earth Dynamics Modeling
AI 导读
研究者提出对角球面神经算子 DIAGNO，不再依赖旋转等变假设，而是通过谱模态分解显式参数化跨模态交互，保留地球动力学的异质性。该方法利用球面谱的对角结构设计对角间与对角内交互机制，捕捉纬向与经向动力学。在模拟流体动力学及大气、海洋真实地球系统再分析数据上，DIAGNO 在多步预测中持续取得 SOTA，并验证了其对气候异常与物理一致性的刻画能力。
正文 · AI 翻译
摘要：在地球物理学中，准确预测地球的动态系统至关重要，而神经算子提供了一种强大的数据驱动范式。标准算子通常将地球视为平坦的欧几里得平面，从而引入几何伪影。相比之下，球面神经算子（SNOs）通过在球面谱空间内运算来解决这一不匹配问题，自然地适应球面几何。然而，为了计算效率，现有的 SNOs 通常依赖旋转等变性假设。该假设将物理状态的转换简化为孤立的谱模态演化，从而将地球过度理想化为一个均匀系统。为了解决这个问题，我们不再依赖隔离谱模态演化的旋转等变性假设，而是直接推导出一个显式的模态交互核，并提出了名为 DIAGNO 的对角球面神经算子。DIAGNO 通过谱模态分解显式地参数化跨模态交互，从而保留地球动力学固有的异质性。此外，利用球面谱独特的对角结构，我们设计了对角间和对角内交互机制，以原生方式捕捉必要的纬向和经向动力学，尊重内在的地球物理规律。在模拟流体动力学和真实世界地球系统再分析（包括大气和海洋）数据集上进行的大量实验证明了 DIAGNO 的卓越能力，在多步预测中始终达到最先进的性能。除此之外，我们通过评估 DIAGNO 在捕捉气候异常和保持物理一致性方面的保真度，验证了其在专业地球物理领域的实际分析价值。
| 评论： | 35 页，13 幅图，8 张表。已被 NeurIPS 2026 接收（主赛道，口头报告） |
| 主题： | 人工智能（cs.AI）；机器学习（cs.LG） |
| 引用为： | arXiv:2611.16356 [cs.AI] |
| （或 arXiv:2611.16356v1 [cs.AI] 为此版本） | |
| https://doi.org/10.48550/arXiv.2611.16356 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Herui Li [查看邮箱]
[v1]
2026 年 11 月 12 日星期四 06:15:08 UTC（14,985 KB）
来源：arXiv cs.AI · arxiv.org