AI dan Masalah-Masalah Sulit Dunia · Ilmu bumi & iklim · arXiv · 2026-10-22
Pembelajaran Mesin Probabilistik untuk Prakiraan Seeing Atmosfer Jangka Pendek
Judul asli: Probabilistic Machine Learning for Short-Term Atmospheric Seeing Forecasting
Studi ini melakukan benchmark terhadap model machine learning yang memprakirakan seeing atmosfer hingga dua jam ke depan, di mana variasi cepat dalam turbulensi optik memengaruhi pengamatan astronomi dan komunikasi optik ruang bebas. Gaussian Processes dan FloTS berbasis normalizing flow dibandingkan dengan baseline RNN dan LSTM deterministik menggunakan pengukuran seeing dari puncak Maunakea. Pendekatan deep learning mengungguli jaringan rekuren standar, dengan LSTM dan FloTS meraih akurasi keseluruhan terbaik, dan sementara Gaussian Processes dibatasi oleh asumsi Gaussian mereka, FloTS menggabungkan akurasi kompetitif dengan kuantifikasi ketidakpastian yang fleksibel untuk menghasilkan prakiraan probabilistik yang paling informatif.