結合確率モデルを用いたカオス系の生成型予測

本論文は、決定論的予測の限界を克服するために、カオス系における新しい生成型アプローチを提案しています。条件付きの次ステップ予測から、遅延システム状態の結合確率分布の学習に焦点を移しています。これにより、モデルは複雑な時間的依存性を捉えることができ、不確実性定量化メトリクスを使用して予測の堅牢性と信頼性を評価するためのフレームワークを提供します。この研究の重要性は、予測精度とカオス系における長距離統計的挙動を改善する可能性にあり、カオス系は予測が非常に困難です。

• •カオス系のための生成型予測アプローチを提案。
• •遅延システム状態の結合確率分布を学習。
• •モデルに依存しないトレーニングと推論フレームワークを導入。
• •不確実性定量化メトリクスを使用して予測の堅牢性と信頼性の評価を可能にする。
• •Lorenz-63系とKuramoto-Sivashinsky系で改善されたパフォーマンスを実証。