iFLEX：用生成式残差修正改进科学机器学习中的时间插值

研究团队提出 iFLEX，先对相邻两个观测做加权平均估计中间场，再用条件扩散模型学习生成残差，从而重建未观测的中间科学场。在 Navier-Stokes Kraichnan 湍流、上海雷达降水和海表温度数据集上，iFLEX 的重建误差低于光流和视频帧插值扩散模型等基线。在雷诺数 36,000 的湍流对比中，学习残差将相对 Frobenius 范数误差从约 13.7 降至 10.5。