• 我的订阅
  • 科技

DeepMind大模型再登Nature:8分钟预测15日天气,超顶尖物理模型

类别:科技 发布时间:2024-12-06 09:51:00 来源:量子位

DeepMind大模型再登上Nature——

气象预测大模型GenCast,8分钟内完成15天的预测,而且不管常规还是极端天气都能分析。

在97.2%的场景中,GenCast的表现都超过了全球顶尖的中期天气预报系统ENS。

DeepMind大模型再登Nature:8分钟预测15日天气,超顶尖物理模型

不同于DeepMind之前推出的GraphCast的确定性预测,GenCast关注的是各种天气情况的概率。

和GraphCast一样,GenCast也已经开源。

它基于扩散模型实现,分辨率为0.25度经度/纬度(在赤道处约为28×28公里),相当于将地球表面分割成了超过100万个网格。

每个网格都涵盖80多个地表和大气变量,相当于每次预测都有数千万甚至上亿条数据生成。

测试结果表明,在1320种实验条件中,GenCast在97.2%的任务中,都比ENS更准确。

DeepMind大模型再登Nature:8分钟预测15日天气,超顶尖物理模型

对于GenCast的表现,论文作者、DeepMind研究人员Ilan Price表示:

我们确实取得了巨大的进步,通过机器学习赶上了并超越了基于物理的模型。

准确率超最强传统方法

传统天气预报基于数值天气预报(NWP)算法实现,核心是对模拟大气动力学的方程求近似解。

不过,相比于单一确定性的预测,气象机构越来越依赖集合预报,生成多个基于NWP的结果,对各种可能的情景进行建模。

GenCast做的也是集合式预报,当然基于的原理不是NWP而是AI。

DeepMind大模型再登Nature:8分钟预测15日天气,超顶尖物理模型

开头提到的ENS,就是目前最先进的集合预报系统,来自欧洲欧洲中期天气预报中心(ECMWF),未来将被纳入其确定性预报系统HRES。

但即便是这种最强的传统方式,也无法战胜AI系统。

在常规预报当中,DeepMind团队利用训练数据中未涵盖的真实历史(2019年)数据,设置了1320种实验条件,涉及不同的物理变量、预报时长和垂直高度。

结果在97.2%的场景当中,GenCast的CRPS都显著优于ENS,如果只看对36小时之后的预测,GenCast在99.6%的条件下都能胜出。

(CRPS衡量了预报与观测值之间累积概率分布的差异,数值越小说明预报越准确)

DeepMind大模型再登Nature:8分钟预测15日天气,超顶尖物理模型

对于高温、大风等极端天气事件(实验中按发生概率分为1%/0.1%/0.01%三档),除了在个别场景下,GenCast的预报的相对经济价值(REV)显著优于ENS。

(2t代表距离海平面2米高处温度,10wind_speed代表10米处风速,msl代表平均海平面气压,蓝线代表GenCast)

DeepMind大模型再登Nature:8分钟预测15日天气,超顶尖物理模型

除了基础的预测,在下游应用上GenCast也表现出了更强的预测能力。

DeepMind团队测试了一款区域风电应用,使用全球发电厂数据库中的5344个风电场位置和装机容量信息,通过插值获得各风电场位置的10米风速预报,并通过功率曲线转换为风电功率。

在120公里、240公里、480公里三个空间聚合尺度上,GenCast的风电功率预报CRPS和REV在7天内都显著优于ENS。

DeepMind大模型再登Nature:8分钟预测15日天气,超顶尖物理模型

不仅精准性强,GenCast的预测速度也很快,完成一次15天的预测仅需约8分钟,而ENS需要几个小时。

用扩散模型预测天气

不同于DeepMind去年在Science上发表的GraphCast(基于图神经网络GNN),GenCast基于扩散模型实现。

它以最近的X(t)和前一步天气状态X(t-1)的残差Z(t)为采样条件,经过去噪后得到预测结果,然后利用预测结果计算新的残差作为新的输入依据,将预测向更长时间延伸。

DeepMind大模型再登Nature:8分钟预测15日天气,超顶尖物理模型

而具体的去噪过程,DeepMind又选择了交给Transformer来完成。

Transformer编码器首先将物理状态场从经纬度网格表征映射到一个六次细化的二十面体网格上。

然后,在Transformer的自注意力机制中,网格上的每个节点都会关注其周围32跳邻域内的所有节点,从而有效捕捉局部和中等尺度的天气特征。

最后,解码器将结果映射回原始分辨率,得到去噪后的结果。

GenCast从公开的ERA5再分析数据集中,选取了1979至2018这40年的数据(间隔12小时,分辨率0.25°)对GenCast进行了训练。

为了提高预训练效率,数据首先被降采样到1°分辨率,使用5次细化的二十面体网格进行学习。

这个阶段需要200万步,在32个TPUv5实例上运行约3.5天。

完成预训练后,再用原始的0.25度分辨率数据和6次细化的二十面体网格,对模型进行高精度微调,共计64000步,需要约1.5天完成。

目前,像去年发布的确定性预测模型GraphCast一样,GenCast也已经开源,代码和模型权重均已发布。

DeepMind还表示,将会很快发布GenCast(和以前的模型)生成的实时和历史预报结果,为其他研究者提供更多的研究资源。

论文地址:https://www.nature.com/articles/s41586-024-08252-9参考链接:[1]https://deepmind.google/discover/blog/gencast-predicts-weather-and-the-risks-of-extreme-conditions-with-sota-accuracy/[2]https://www.nature.com/articles/d41586-024-03957-3

以上内容为资讯信息快照,由td.fyun.cc爬虫进行采集并收录,本站未对信息做任何修改,信息内容不代表本站立场。

快照生成时间:2024-12-06 12:45:03

本站信息快照查询为非营利公共服务,如有侵权请联系我们进行删除。

信息原文地址:

AI 玩起浪漫,受伤的竟然是... 气象台?
...很大程度上影响着天气令人惊讶的是,目前最先进的天气模型也只能对云做十分粗略的描述,比如我们刚刚提到的25%的云量。原因是云往往很小,天气模型无法考虑到天空中每一小块区域的情况
2023-03-09 00:25:00
机器学习助力预测全球变暖趋势:30秒完成22天大气模拟
...其合作者研发出可预测天气和气候变化的人工智能(AI)模型NeuralGCM。该模型是世界上第一个基于机器学习的大气环流模型,与现有工具相比,预测速度更快,能耗更低,且可以比传
2024-07-24 21:07:00
世界气象组织最新报告:AI 正在革新天气预报,更快、更便宜、更易获得
...存在的不足和未来展望。具体而言,在天气预测领域,AI 模型突破了基于物理模型的数值天气预报(NWP)模式,在预测某些天气变量及极端或危险事件(如热带气旋)方面已经超越了物理模型
2024-09-24 13:42:00
生成一周大气模拟仅需9.2秒,谷歌气候模型登Nature
...与欧洲中期天气预报中心(ECMWF)合作开发的NeuralGCM大气模型,该模型将传统的基于物理建模的模型与机器学习相结合
2024-07-25 09:29:00
“风云三号G星”现身北京中考物理卷!小编的作品也成中考题?
...(而且并不是“老朋友”地理试卷)在北京市2023年中考物理试卷里“风云三号G星”相关内容入题试题紧跟时代步伐展现了“风云三号G星”气象监测的精密程度以及其设计水平、应用价值及
2023-07-05 21:21:00
中国气象局:“风乌”气象大模型准确预报台风“杜苏芮”路径
...能实验室(上海AI实验室)基于其研发的“风乌”气象大模型对“杜苏芮”台风路径进行了预测,提前五天有效预报登陆点。据介绍,基于7月21日至27日多个起报时刻预报路径及台风实际路
2023-07-30 01:29:00
人工智能如何助力气候研究与应用?中国科研团队获得重要进展
...题,又该如何结合气候动力研究帮助诊断、认识和理解AI模型,提升AI模型的性能,这些问题备受关注。《大气科学进展》(AAS)最新一期AI专刊封面。中国科学院大气物理研究所/供图
2024-04-09 17:15:00
天气预报总是不准?AI要出手了
...物理研究所及上海中心气象台发布了全球中期天气预报大模型“风乌”。AI预报或更具有时效性、准确性“风乌”大模型的构建基于多模态多任务的深度学习方法,不需要复杂的物理系统仿真,能
2023-07-27 11:47:00
DeepMind推出的大模型GraphCast仅需不到1分钟,就能直接预测出未来10天的天气。在AI气象模型中属首次,它在90%的指标上超越了最先进的人类系统
2023-11-16 09:29:00
更多关于科技的资讯: