Effiziente und stabile Ozeanvorhersage dank kontinuierlicher Koopman-Ansatz

In einer neuen Studie wird der Continuous‑Time Koopman Autoencoder (CT‑KAE) als leichtgewichtiges Ersatzmodell für die Vorhersage des Ozeanstatus über lange Zeiträume in einem zweischichtigen quasi‑geostrophischen System vorgestellt.

Der Ansatz projiziert die nichtlinearen Dynamiken in einen latenten Raum, der von einer linearen gewöhnlichen Differentialgleichung bestimmt wird. Dadurch entsteht eine strukturierte und interpretierbare zeitliche Entwicklung, die über eine Matrix‑Exponential‑Formulierung zeitlich resolutionsunabhängig vorhersagt.

Bei 2083‑Tage‑Rollouts zeigt der CT‑KAE eine begrenzte Fehlerentwicklung und stabile großräumige Statistiken, im Gegensatz zu autoregressiven Transformer‑Modellen, die über lange Zeiträume Fehler verstärken und Energie driften lassen. Während feine turbulente Strukturen teilweise dissipiert werden, bleiben die Gesamtenergie‑Spektren, Enstrophie‑Entwicklung und Autokorrelationsstrukturen über lange Horizonte konsistent. Die Inferenzgeschwindigkeit des Modells ist um mehrere Größenordnungen schneller als bei numerischen Lösern, was kontinuierliche Koopman‑Surrogates als vielversprechende Basis für effiziente und stabile hybride physikalisch‑lernende Klimamodelle positioniert.