Uncertainty-Aware Spatiotemporal Super-Resolution Data Assimilation with Diffusion Models
本論文は、拡散モデルを用いた「DiffSRDA」という新しい確率論的時空間超解像データ同化フレームワークを提案し、低コストの低解像度予測と疎な観測データから、アンサンブルカルマンフィルターに匹敵する高精度な高解像度解析と物理的に意味のある不確実性推定を、効率的なサンプリングと再学習不要な観測配置適応により実現することを示しています。