單卡30秒預測未來(lái)10天全球天氣 大模型“風(fēng)烏”效果超DeepMind

預測未來(lái)10天全球天氣，僅需30秒。

這一成果來(lái)自全球中期天氣預報大模型“風(fēng)烏”，這也是全球氣象有效預報時(shí)間首次突破10天，并在80%的評估指標上超越DeepMind發(fā)布的模型GraphCast。

“風(fēng)烏”基于多模態(tài)和多任務(wù)深度學(xué)習方法構建，由上海人工智能實(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。

實(shí)驗室領(lǐng)軍科學(xué)家歐陽(yáng)萬(wàn)里表示：

“風(fēng)烏”取名自秦漢時(shí)期的“相風(fēng)銅烏”，是世界上最早的測風(fēng)設備。天氣預報大模型‘風(fēng)烏’不僅承載了中國古人的智慧，也寓意實(shí)驗室致力于在以氣象為代表的AI for Science領(lǐng)域勇于突破、不懈探索。

AI大模型預報全球天氣

隨著(zhù)全球氣候變化加劇，極端天氣頻發(fā)，各界對天氣預報的時(shí)效和精度的期待與日俱增。

過(guò)去數十年間，全球中期天氣預報領(lǐng)域取得眾多矚目成就，但囿于氣象觀(guān)測的準確度，大氣系統中物理過(guò)程的復雜性，以及求解大氣模型所需資源規模巨大，全球中期天氣預報的有效性每10年才提高1天，難以滿(mǎn)足社會(huì )和經(jīng)濟的發(fā)展需求。

“風(fēng)烏”提供了一個(gè)強大有效的全球中期天氣預報的AI框架，在預報精度、預報時(shí)效和資源效率三方面都領(lǐng)先。

在預報精度方面，相比DeepMind的GraphCast，“風(fēng)烏”的10天預報誤差降低10.87%，而相比于傳統的物理模型，其誤差降低19.4%。

在預報時(shí)效方面，根據國際常用的標準，z500 ACC大于0.6時(shí)氣象預報結果具有可用性，可以較好地指導預報員判斷未來(lái)氣象發(fā)展形勢。

此前，全球范圍內最好的物理模型HRES在此標準范圍內，有效預報時(shí)長(cháng)最大為8.5天，而“風(fēng)烏”基于再分析數據達到了10.75天。

在資源效率方面，現有物理模型往往運行在超級計算機上，而“風(fēng)烏”AI大模型僅需單GPU便可運行，僅需30秒即可生成未來(lái)10天全球高精度預報結果。

據氣象專(zhuān)家介紹，盡管目前市面上有一些產(chǎn)品提供未來(lái)15天的氣象預報服務(wù)，但是10天以上的預報性能還具有很大不確定性，無(wú)法達到有效預報的標準。

實(shí)踐證明，將觀(guān)測與數值預報和人工智能相結合，可有效提升數值預報的準確性?！帮L(fēng)烏”首次將全球氣象預報的有效性提高到10.75天，具有很大的業(yè)務(wù)應用價(jià)值。

多模態(tài)和多任務(wù)：深度學(xué)習驅動(dòng)地球科學(xué)

上海人工智能實(shí)驗室AI for Earth聯(lián)合團隊提出了一種基于多模態(tài)多任務(wù)的深度學(xué)習方法用于構建AI天氣預報模型，從而實(shí)現對全球中期天氣進(jìn)行快速、準確預報。

由于不需要通過(guò)復雜的物理系統仿真，AI氣象預報模型突破了傳統預報方法的計算瓶頸，因此能夠高效地進(jìn)行預報和集成。同時(shí)AI對氣象數據關(guān)系的強大擬合能力使其有潛力突破傳統數值模式預報中的性能瓶頸。

在A(yíng)I模型的設計和訓練過(guò)程中，研究團隊發(fā)現，在學(xué)習過(guò)程中，多個(gè)大氣變量在優(yōu)化中存在相互影響且可以看作多任務(wù)學(xué)習問(wèn)題；大氣數據具有高分辨率高維度大體量的特征，導致模型多步天氣預測結果難以直接被優(yōu)化。

“風(fēng)烏”采用多模態(tài)神經(jīng)網(wǎng)絡(luò )和多任務(wù)自動(dòng)均衡權重解決多種大氣變量表征和相互影響的問(wèn)題。其針對的大氣變量包括：位勢、濕度、緯向風(fēng)速、經(jīng)向風(fēng)速、溫度以及地表等?！帮L(fēng)烏”將這些大氣變量看作多模態(tài)信息，使用多模態(tài)網(wǎng)絡(luò )結構可以更好地處理這些信息。

研究團隊從多任務(wù)問(wèn)題的角度出發(fā)，自動(dòng)學(xué)習每個(gè)大氣變量的重要性，使得多個(gè)大氣變量之間能夠更好地協(xié)同優(yōu)化。為了優(yōu)化“風(fēng)烏”的多步預測結果，研究團隊提出了“緩存回放”（replay buffer）策略，減少自回歸預測誤差，提高長(cháng)期預測的性能。

下圖對不同大氣變量的預測結果。ACC是用于衡量預測結果有效性的指標，數值越高，預測結果越有效（紅線(xiàn)代表“風(fēng)烏”，黑線(xiàn)代表GraphCast）。

從結果上看，“風(fēng)烏”在6到10天的中期預報上預報技巧顯著(zhù)高于GraphCast。其中具有代表意義的z500達到了10.75天的有效預報范圍（ACC＞0.6），這也是高分辨率全球中期天氣預報系統首次能夠對大氣變量進(jìn)行超過(guò)10天的有效預報。

未來(lái)，“風(fēng)烏”AI氣象大模型可與傳統的物理模型形成互補，憑借其卓越的性能和精度，為生產(chǎn)生活提供更準確、更實(shí)用的天氣預報信息，助力天氣預報數字化，為農林牧漁、航空航海等各行業(yè)及公共安全保障提供有力的支持。

據悉，上海人工智能實(shí)驗室AI for Earth團隊還將把人工智能方法應用到更廣泛的氣象、環(huán)境、天文、地質(zhì)等地球科學(xué)問(wèn)題研究中，助力“碳中和”、防災減災、能源安全等重大需求。