KARINA: AN EFFICIENT DEEP LEARNING MODEL FOR GLOBAL WEATHER FORECAST

KIST에서 나왔다고 해서 읽어본 논문...

1. Data
   2.5도 해상도

2. Training
   A100 으로 12시간 이내 학습
   ConvNext,
   SENet(Squeeze-and-Excitation Network) : 커널이 작아지면 저해상도 데이터의 경우 모델 성능을 향상
   Geocycling Padding : 경도 연속성을 다루기 위해서 입력 텐서 가로 가장자리에 원형 패딩을 구현하여 연결 -> 경도 방향의 연속성을 일관되게 표현, 기존 제로 패딩에 의한 인위적인 불연속성 제거
   

3. Forecasting
   • 7일 예측
   • ECMWF S2S reforecasts 능가
   • high-resolution으로 학습한 기존 모델 (PG, GC, ClimaX, FCN보다 성능 좋음)