当前位置: 首页-> 科技

国产AI登上《自然》:盘古大模型破解气象领域一大难题

发布时间:2023年07月10日 09:12   来源:中国网   发布者:柳暮雪   阅读量:7583   
导读:国产AI登上国际学术期刊《自然》了。北京时间7月6日,《自然》杂志发表了华为云盘古大模型研发团队研究成果——《三维神经网络用于精准中期全球天气预报》。论文显示,盘古气象大模型是首个精度超过传统数值预报方法的AI模型,速度相比传统数值预报提速...

国产AI登上国际学术期刊《自然》了。北京时间7月6日,《自然》杂志发表了华为云盘古大模型研发团队研究成果——《三维神经网络用于精准中期全球天气预报》。论文显示,盘古气象大模型是首个精度超过传统数值预报方法的AI模型,速度相比传统数值预报提速1万倍以上。

这是近年来中国科技公司首篇作为唯一署名单位发表的《自然》正刊论文。《自然》评价认为:“盘古气象大模型让人们重新审视气象预报模型的未来,模型的开放将推动该领域的发展。”

20世纪20年代以来,特别是近30年随着算力的迅速发展,数值天气预报在每日天气预报、极端灾害预警、气候变化预测等领域取得了巨大成功。但是随着算力增长的趋缓和物理模型的逐渐复杂化,传统数值预报的瓶颈日益突出。研究者们开始挖掘新的气象预报范式如使用深度学习方法预测未来天气。在数值方法应用最广泛的领域如中长期预报中,现有的AI预报方法精度仍然显著低于数值预报方法,并受到可解释性欠缺,极端天气预测不准等问题的制约。

盘古大模型研发团队发现,AI气象预报模型的精度不足主要有两个原因:第一,原有的AI气象预报模型都是基于2D神经网络,无法很好地处理不均匀的3D气象数据;第二,AI方法缺少数学物理机理约束,因此在迭代的过程中会不断积累迭代误差。

为此,团队创造性地提出了适应地球坐标系统的三维神经网络来处理复杂的不均匀3D气象数据,并且使用层次化时域聚合策略来减少预报迭代次数,从而减少迭代误差。通过在43年的全球天气数据上训练深度神经网络,盘古气象大模型在精度和速度方面超越传统数值预测方法。

今年5月,台风“玛娃”走向受到广泛关注。来自国家气象中心的消息称,盘古大模型在“玛娃”的路径预报中表现优异,提前5天预报出其将在台湾岛东部海域转向路径。在刚刚结束的第19届世界气象大会上,欧洲中期天气预报中心也指出,盘古气象大模型在精度上有不可否认的能力,纯数据驱动的AI天气预报模型,展现出了可与数值模式媲美的预报实力。

截至目前,盘古气象大模型能够提供全球气象秒级预报,其气象预测结果包括位势、湿度、风速、温度、海平面气压等,可以直接应用于多个气象研究细分场景。研究团队将联合全球气象机构,继续探索并发挥AI在气象领域的应用潜力,为农林牧渔、航空航海等各行业提供支持。

~全文结束~

郑重声明:此文内容为本网站转载企业宣传资讯,目的在于传播更多信息,与本站立场无关。仅供读者参考,并请自行核实相关内容。

分享到微信