Dandelion：球面神经模拟行星动力学的新方法

Dandelion 是一种专为球面动力学设计的神经求解器，由 Till Muser 等人提出，旨在解决传统欧几里得架构在模拟行星尺度现象时的固有缺陷。该研究已提交至 arXiv（编号：2608.27521），并附带一个全新的基准测试套件。

球面模拟的挑战

许多自然过程，如大气环流和海洋动力学，都发生在球面上。然而，主流的科学机器学习架构基于欧几里得几何，在经纬网格上应用时会出现严重问题：高纬度地区的笛卡尔卷积发生畸变；傅里叶神经算子中的二维 FFT 错误地假设双重周期性；视觉 Transformer 中的笛卡尔位置编码扭曲了球面测地距离。这些不匹配限制了模型的准确性和泛化能力。

Dandelion 的设计

Dandelion 借鉴了已有的球面卷积（如 DeepSphere）和球面傅里叶神经算子（SFNO）的思路，但采用了独特的扭曲（warp）机制。其核心层预测切平面位移，并沿大圆传输特征，从而避免了传统卷积操作。通过球谐域中的分层池化，Dandelion 构建了类似 U-Net 的结构，实现了纯球面坐标变换下的空间混合。

新基准测试套件

为了公平评估，研究团队发布了包含六个挑战性数据集的基准，涵盖修改的 Galewsky 急流、异常链式湍流、Cahn-Hilliard 分解、球面黎曼激波、Held-Suarez 干大气传输和全球海洋动力学。这些数据集填补了现有球面基准的空白：既不像小型风格化数据集那样过于简单，也不像 ERA5 那样庞大到难以迭代。

性能表现

实验结果显示，Dandelion 在所有数据集上均达到最佳或次佳性能，且与基线模型的差距随分辨率增加而扩大。在 256×512 分辨率下，Dandelion 和 Flower2D 在单步预测和滚动预测中占据前两名。这表明扭曲方法在高分辨率下具有显著优势。

意义与展望

这项工作为球面科学模拟提供了新的工具，也为其他需要球面几何的领域（如气候建模、地球物理）铺平了道路。未来，Dandelion 有望与更高效的并行计算结合，以处理更复杂的全球性问题。