Physically Consistent Global Atmospheric Data Assimilation with Machine Learning in Latent Space
Die Studie stellt Latent Data Assimilation (LDA) vor, ein Framework, das durch die Durchführung von Datenassimilation in einem von einem Autoencoder gelernten latenten Raum physikalisch konsistente und robustere globale atmosphärische Analysen ermöglicht, die die Leistung traditioneller Methoden übertreffen.