时空预测登上Nature！25年必将再次爆火！

时空预测是指对未来某个时间点和某个地点的变量进行预测，涉及时间和空间两个维度的数据建模。它不仅需要处理时间动态，还要解决序列之间的空间依赖关系。

今天就这时空预测整理出了11篇论文+开源代码，以下是精选部分论文

需要更多资料可以关注公人人人号：AI科技探寻 

论文1

Learning spatiotemporal dynamics with a pretrained generative model

使用预训练生成模型学习时空动力学

方法：

1. 稀疏传感器辅助的基于分数的生成模型（S3GM）：提出了一种基于分数的生成模型框架，用于从稀疏测量中重建和预测全时空动力学。该模型通过自监督方式预训练，捕捉大量预训练数据的联合分布，然后在生成阶段通过条件采样过程重建全时空动力学。

2. 自监督预训练：在预训练阶段，模型通过学习大量预训练数据的联合分布来隐式编码动态系统的先验物理知识。

3. 条件生成过程：在生成阶段，利用预训练模型和稀疏传感器信息，通过求解随机微分方程（SDE）来引导全时空动力学的生成。

4. 数据稀疏性和噪声处理：模型能够在高数据稀疏性和噪声条件下进行零样本重建和预测，表现出良好的准确性和鲁棒性。

创新点：

1. 零样本重建能力：S3GM能够在训练阶段没有提供测量与其对应全时空动力学配对的情况下，实现零样本重建和预测，表现出优异的泛化能力。

2. 高稀疏性和噪声条件下的性能