Generating observation guided ensembles for data assimilation with denosing diffusion probabilistic model

拡散モデルによるデータ同化のためのアンサンブル生成手法

朝比 祐一   ; 長谷川 雄太   ; 小野寺 直幸   ; 下川辺 隆史*; 芝 隼人*; 井戸村 泰宏   

Asahi, Yuichi; Hasegawa, Yuta; Onodera, Naoyuki; Shimokawabe, Takashi*; Shiba, Hayato*; Idomura, Yasuhiro

拡散モデルによって生成した擬似アンサンブルを利用するデータ同化手法を開発した。拡散モデルはノイズがあり、かつ疎な観測データから元となるシミュレーションデータを再現するように訓練した。このモデルは、シミュレーションと観測データが異なるパラメータに基づく場合のデータ同化精度で従来手法を上回った。

This paper presents a data assimilation (DA) method using the pseudo ensembles generated by denoising diffusion probabilistic model. Since the model is trained against noisy and sparse observation data, this method can produce reasonable ensembles consistent with observations. This method displays better performance than well-established DA method when the simulation model is imperfect.