GNSS-FM: A Self-Supervised Foundation Model for Daily GNSS Displacement Time Series
本文介绍了 GNSS-FM，这是一个通过超过 17,000 个全球 GNSS 站并利用掩码潜变量预测目标进行预训练的自监督基础模型，该模型成功捕捉了关键的大地测量信号模式，并在位移预测和地震阶跃定位方面优于特定任务的基准模型。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
核心理念：教机器人阅读地球的脉搏
想象一下，地球表面一直在不断运动。它像冰川一样缓慢漂移，随季节像潮汐一样起伏，有时还会像发生地震时那样突然跳动。科学家们使用全球性的 GPS 站网络（称为 GNSS）来追踪这些每日发生的运动。
问题在于，尽管我们拥有数百万天的 GPS 数据，但其中大部分数据并没有标签。我们确切知道什么时候发生了大地震，但我们并没有为每一天的“正常”漂移或季节性摆动都贴上标签。这使得训练计算机程序（人工智能）变得困难，因为它们通常需要一位老师来告诉它们：“这是地震”，或者“这是趋势”。
GNSS-FM 是一种全新的 AI 模型，它能通过自我学习来理解这些 GPS 运动，而不需要为每一天都配备一名老师。这就像一个学生在阅读一堆没有标注的书籍，通过自学掌握了语法规则和叙事技巧，从而能够随后创作故事或寻找特定的情节。
工作原理：“双流”之眼
大多数 AI 将 GPS 数据仅仅视为显示位置的一串数字。GNSS-FM 则更聪明，因为它同时通过两种不同的方式观察数据，就像拥有两对眼睛：
- “位置”之眼（位移流）： 观察地表移动的总距离。它看到的是大局：构造板块的缓慢漂移和每年的季节性循环。
- “速度”之眼（速度流）： 观察一天与另一天之间的变化。它忽略了缓慢的漂移，转而关注突然的跳动或每日的速度变化。
通过将这两种视角输入模型，它能够同时理解长期的故事和突发的剧情转折。
训练游戏：“填空游戏”
为了进行自我教学，该模型对 GPS 数据进行了一场“填空游戏”（类似 Mad Libs）：
- 掩码（遮盖）： 计算机提取一段长达约 1.5 年的 GPS 历史记录，并用黑盒随机遮住其中的某些片段。
- 猜测： 模型必须猜出被黑盒遮住的部分是什么。
- 秘密代码： 模型并不直接猜测精确的数值（因为测量噪声会导致很难猜准），而是从一个包含 1,280 种可能“信号类型”的字典中选择一个符号。
- 类比： 想象你正在尝试描述一张风暴的照片。与其试图完美地画出每一滴雨，不如直接从 1,000 个词汇表中挑选出“风暴”这个词。如果你选对了词，你就赢了。
- 字典： 随着时间的推移，模型建立了自己的字典。它发现某些符号总是出现在地震期间，某些符号出现在季节变化期间，而另一些则出现在缓慢的构造漂移期间。
研究发现，该模型实际上学会了自主分离这些信号。它创造了专门针对地震、季节性摆动和缓慢漂移的特定“代码”，就像地质学家进行人工分类一样。
它现在能做什么？（两项测试）
在完成自我教学后，研究人员通过两项极具挑战性的任务来测试该模型是否能运用其学到的知识：
1. 预测未来（预报）
- 任务： 查看过去 422 天的数据，并预测接下来的 90 天。
- 结果： 该模型的预测能力远优于旧方法，尤其是在情况变得异常复杂时。
- 类比： 旧方法就像一辆只会直行直到撞墙（地震）然后失控的汽车。GNSS-FM 则像是一位看到了前方有墙并能平稳转向的驾驶员，即使路面颠簸，也能保持车辆稳定。它无法预知确切的地震时刻（因为地震是不可预测的），但它不会因此惊慌失措并产生巨大的预测偏差。
2. 定位地震（定位）
- 任务： 扫描一年的数据，并指出“地震发生在这一年的具体哪一天”。
- 结果： 与之前的工具相比，该模型在寻找地震确切日期方面的表现极其出色。
- 类比： 旧工具就像一个会对每一块垃圾和石头都发出鸣叫声的金属探测器，让人很难找到真正的黄金。GNSS-FM 则像是一位读过城市历史的侦探；它清楚什么是“黄金”信号，什么是“垃圾”信号，因此能精准地指向地震发生的日期。
为什么这很重要
这项研究表明，我们不需要等待科学家为每一次地震或漂移事件打上标签，就能构建出智能工具。通过让 AI 阅读地球“未标记”的历史，它学会了行星的语言。
这是一个“基础模型”（Foundation Model），这意味着它是一个通用的“大脑”，可以被改编用于许多不同的任务（如预测未来或寻找过去的地震），而无需每次都从头开始重新训练。它将庞大且杂乱的原始 GPS 数据转化为了理解我们星球的有用工具。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。