数値気象モデルにおける移流のニューラル場表現

概要

本研究では，豪雨発生メカニズムの理解に向けて，数値気象モデルにおける物理量の可視化を目指す．数値気象モデルの出力は時空間座標上の膨大なデータで構成されており，その効率的な処理にはデータ圧縮と高精度な補間が求められる．そこで，膨大なデータを効率的に圧縮しつつ高精度に補間することを目的として，ニューラル場を用いた連続関数表現を提案する．特に，回転および並進を表現可能な幾何変換のニューラル場を導入し，複雑な移流場を効率的に表現した．線形補間と比較した結果，提案手法はデータサイズを約1%に圧縮しつつ同等以上の精度を達成し，全結合ニューラルネットワークに対しても精度の優位性を確認した．