卑尔根大学的 GsCNN 结合标量与向量，用于球面 AI
卑尔根大学的研究人员提出了 GsCNN，这是一种新的 SO(3) 等变架构，解除了球面卷积神经网络在卷积核与非线性上的限制，并在风场预报和球面 MNIST 任务上取得改进。它对天气与气候建模意义重大，因为这类数据存在于球面上，模型应当尊重旋转结构，而不是把地球压平处理。
报道来源
- Alpha Signal2026-11-02 18:00
卑尔根大学的研究人员提出了 GsCNN，这是一种新的 SO(3) 等变架构，解除了球面卷积神经网络在卷积核与非线性上的限制，并在风场预报和球面 MNIST 任务上取得改进。它对天气与气候建模意义重大，因为这类数据存在于球面上，模型应当尊重旋转结构，而不是把地球压平处理。