【資料圖】
昨天，上海人工智能實(shí)驗室聯(lián)合中國科學(xué)技術(shù)大學(xué)、上海交通大學(xué)、南京信息工程大學(xué)、中國科學(xué)院大氣物理研究所及上海中心氣象臺發(fā)布全球中期天氣預(yù)報大模型“風(fēng)烏”。該模型基于多模態(tài)和多任務(wù)深度學(xué)習(xí)方法構(gòu)建，首次實(shí)現(xiàn)在高分辨率上對核心大氣變量進(jìn)行超過10天的有效預(yù)報，并在80%的評估指標(biāo)上超越DeepMind發(fā)布的模型GraphCast。與傳統(tǒng)模型相比，“風(fēng)烏”在效率上大幅提升，僅需30秒即可生成未來10天全球高精度預(yù)報結(jié)果。 氣象專家介紹，盡管目前市面上有一些產(chǎn)品提供未來15天的氣象預(yù)報服務(wù)，但10天以上的預(yù)報性能還有很大不確定性。實(shí)踐證明，將觀測與數(shù)值預(yù)報和人工智能相結(jié)合，可有效提升數(shù)值預(yù)報準(zhǔn)確性。“風(fēng)烏”首次將全球氣象預(yù)報的有效性提高到10.75天，具有很大的業(yè)務(wù)應(yīng)用價值。上海人工智能實(shí)驗室領(lǐng)軍科學(xué)家歐陽萬里表示，“風(fēng)烏”取名自秦漢時期的“相風(fēng)銅烏”，是世界上最早的測風(fēng)設(shè)備。天氣預(yù)報大模型“風(fēng)烏”不僅承載了中國古人的智慧，也寓意實(shí)驗室在氣象等AI for Science領(lǐng)域不懈探索。 30秒生成10天預(yù)報，誤差降低約20%近年來全球氣候變化加劇，極端天氣頻發(fā)，各界對天氣預(yù)報的時效和精度的期待與日俱增。在氣象氣候預(yù)報任務(wù)中，全球中期天氣預(yù)報是最重要的預(yù)測任務(wù)之一，它以預(yù)測未來14天內(nèi)的大氣系統(tǒng)狀態(tài)為目標(biāo)，不僅是當(dāng)前廣泛使用的集成天氣預(yù)測系統(tǒng)的基礎(chǔ)，也是區(qū)域性數(shù)值天氣預(yù)報系統(tǒng)的背景場和邊界條件。 囿于氣象觀測的準(zhǔn)確度、大氣系統(tǒng)中物理過程的復(fù)雜性，以及求解大氣模型所需資源規(guī)模巨大，過去數(shù)十年間，全球中期天氣預(yù)報的有效性每10年才提高1天。隨著深度學(xué)習(xí)技術(shù)和框架的不斷成熟，人工智能為地球科學(xué)等領(lǐng)域帶來了全新研究思路。上海人工智能實(shí)驗室青年科學(xué)家白磊表示，“風(fēng)烏”提供了一個強(qiáng)大有效的全球中期天氣預(yù)報的AI框架，其領(lǐng)先性體現(xiàn)在預(yù)報精度、預(yù)報時效和資源效率三方面。 在預(yù)報精度方面，“風(fēng)烏”的10天預(yù)報誤差相較DeepMind的GraphCast降低了10.87%，相較傳統(tǒng)物理模型降低19.4%；在預(yù)報時效方面，此前全球最好的物理模型HRES的最大有效預(yù)報時長為8.5天，而“風(fēng)烏”基于再分析數(shù)據(jù)達(dá)到了10.75天；在資源效率方面，現(xiàn)有物理模型往往運(yùn)行在超級計算機(jī)上，而“風(fēng)烏”AI大模型僅需單GPU（圖形處理器）便可運(yùn)行，30秒即可生成未來10天全球高精度預(yù)報結(jié)果。 突破傳統(tǒng)氣象預(yù)報計算和性能瓶頸高精度、長時效、高效率的背后，是上海人工智能實(shí)驗室AI for Earth聯(lián)合團(tuán)隊提出的一種基于多模態(tài)多任務(wù)的深度學(xué)習(xí)方法。他們將此用于構(gòu)建AI天氣預(yù)報模型，從而實(shí)現(xiàn)了對全球中期天氣進(jìn)行快速、準(zhǔn)確預(yù)報。由于不需要通過復(fù)雜的物理系統(tǒng)仿真，AI氣象預(yù)報模型突破了傳統(tǒng)預(yù)報方法的計算瓶頸，能夠高效進(jìn)行預(yù)報和集成。同時，AI對氣象數(shù)據(jù)關(guān)系的強(qiáng)大擬合能力使其有潛力突破傳統(tǒng)數(shù)值模式預(yù)報中的性能瓶頸。 據(jù)介紹，“風(fēng)烏”采用多模態(tài)神經(jīng)網(wǎng)絡(luò)和多任務(wù)自動均衡權(quán)重，解決多種大氣變量表征和相互影響的問題。它將位勢、濕度、緯向風(fēng)速、經(jīng)向風(fēng)速、溫度等大氣變量看作多模態(tài)信息，并從多任務(wù)的角度出發(fā)，自動學(xué)習(xí)每個大氣變量的重要性，使得多個大氣變量之間更好地協(xié)同優(yōu)化。為了優(yōu)化“風(fēng)烏”的多步預(yù)測結(jié)果，團(tuán)隊提出了“緩存回放”策略，以減少預(yù)測誤差，提高長期預(yù)測性能。從結(jié)果上看，“風(fēng)烏”在6到10天的中期預(yù)報上，預(yù)報技巧顯著高于GraphCast。 未來，“風(fēng)烏”AI氣象大模型可與傳統(tǒng)的物理模型形成互補(bǔ)，憑借其卓越的性能和精度，為生產(chǎn)生活提供更準(zhǔn)確、更實(shí)用的天氣預(yù)報信息，助力天氣預(yù)報數(shù)字化，為農(nóng)林牧漁、航空航海等行業(yè)及公共安全保障提供有力支持。上海人工智能實(shí)驗室AI for Earth團(tuán)隊還將把AI技術(shù)應(yīng)用到氣象、環(huán)境、天文、地質(zhì)等更多地球科學(xué)問題的研究中，助力“碳中和”、防災(zāi)減災(zāi)、能源安全等重大需求。
標(biāo)簽：
