新的AI模型承諾更快，更智能的天氣預測
由英國和加拿大研究人員開發的一種新的AI模型Aardvark Weather可以通過用人工智能替換傳統的天氣模擬，以最大程度地提高成本效率和準確性，以標誌著全球天氣預測的轉折點。
劍橋大學的研究人員，多倫多大學的矢量研究所和艾倫·圖靈研究所在最近的一個新發現中揭示了新發現報告發表在自然.
與傳統的預測工具不同，通過複雜的方程式模擬大氣物理學，Aardvark天氣是一種“深度學習”模型，可在多壓力水平下生成風，濕度，地理電位和溫度的全球預測。
它還可以提供2米溫度和10米風速的本地站預測。 深度學習是機器學習教會計算機以識別大量數據的模式。
“目前，預測管道中有一些計算昂貴的組件，”多倫多大學矢量學院的博士後研究員詹姆斯·雷克里瑪（James Requima）告訴解密。 “我們已經能夠用訓練有素的較輕的重量模型來代替許多耗時的零件，以執行相同的任務。”
通過使這些組件提高效率，Aardvark可以更頻繁地進行預測，並以更高的分辨率進行預測，從而提高速度和準確性。
正如Requeima所解釋的那樣，該團隊設計了組件來替換預測管道中的每個步驟，這涉及將原始的觀察數據轉換為天氣預報。
他說：“我們發現，一旦將這些機器學習組件鏈在一起，整體性能就會大大提高。” “通過對我們要定位的最終任務進行整個管道進行微調，我們可以優化每個組件的孤立角色，而且可以為其對我們最關心的結果做出貢獻。”
該項目還包括來自Microsoft Research Cambridge，歐洲中範圍天氣預報中心（ECMWF）和英國南極調查的研究人員。
Aardvark天氣使用原始的大氣數據（例如壓力，溫度和相對濕度測量）來產生高分辨率的全球和局部預測。
該系統圍繞三個神經組件構建：編碼器，處理器和解碼器。
為了提高AARDVARK的性能和準確性，首先在ERE5重新分析數據（來自ECMWF的高質量歷史數據集）中進行了預先訓練的組件，然後使用現實世界中的天氣觀測來進行微調。
Requeima說：“一般而言，數據同化的工作方式就像自回歸過程一樣。您從當前的大氣預測開始，這是由大型動力學系統生成的，該系統估計其當前狀態。在零時，您具有此初始狀態。” “但是數據同化還需要合併遙控傳感器的實時測量。因此，您可以在模型預測旁收集實際觀察結果，並相應地調整大氣估計。”
一小部分成本和時間
根據該報告，與歐洲中等範圍的天氣預報高分辨率預測等較舊型號所需的小時相比，Aardvark可以在僅一秒鐘內使用四個NVIDIA A100 GPU產生全球預測。
計算要求的這種急劇減少使得沒有資源運行全尺度NWP系統的地區和代理商可以訪問高質量，可自定義的預測。 它還可以更快地對模型進行微調。
Aardvark加入了越來越多的工具，旨在幫助氣象學家預測和應對極端天氣事件。 在最近的風暴中，例如海倫颶風和米爾頓，受虐美國東海岸於2024年10月，預報員強調了人工智能在改善風暴強度預測方面的重要性。
展望未來，Requeima指出，該團隊計劃開放Aardvark，以使技術更廣泛地訪問。
他說：“我認為這是使天氣建模民主化的重要一步，使公眾更輕巧，可以使用。” “我們的希望。這也代表了端到端天氣建模的重大進步，尤其是通過數據驅動的機器學習方法。”
編輯塞巴斯蒂安·辛克萊（Sebastian Sinclair）和喬什·奎特納（Josh Quittner）
