导语: NVIDIA在AI气象预测领域展现强大实力,加速精准预测时代的到来。

2024年,在谈及全球气候时,“极端”一词成为高频词。2024年上半年,全球自然灾害导致了约1200亿美元的经济损失。极端天气事件对人类生活和财产安全构成了巨大威胁。为了规避这些灾难性事件的发生,气象预测成为具有重要指导意义的技术工具。

然而,传统天气预测在处理这类事件时,往往面临几大挑战。

其一,在数据采集和处理方面需要耗费大量的时间和资源。传统天气预测方法依赖地面气象站提供数据,但由于气象站通常分布不均,尤其是在偏远或地理环境复杂的地区。这是由于这种分布的稀疏性,导致了监测盲区,从而使得某些地区的天气变化无法被及时捕捉。

其二,观测数量和覆盖范围不够充足,导致其预测精度不高。以雷暴天气为例,雷暴的形成和发展往往非常迅速和局部化,传统的地面观测站可能无法提供足够密集的数据来预测或跟踪这些小尺度但高影响的天气系统。

其三,传统天气预测方式往往依赖大规模的物理模拟,但由于受限于计算资源和的精确度的限制,难以在足够短的时间内提供高分辨率和高频率的准确预测。例如,区域天气预测常使用的对流容许模型(CAM),虽能能提供一定的精确度,但在处理大范围、高频更新的预测时往往效率不高,难以实时反应天气变化。

高度准确的预测、快速的处理能力,以及清晰的可视化功能的AI大模型平台正符合当前的需求。

生成式AI、物理仿真,以及基于计算机图形技术的数字孪生平台正是实现相关需求的优质策略。

生成式AI通过分析大量气象数据来预测复杂的天气模式,可有效提高预测的准确性;物理仿真能确保模型准确模拟大气动力学,增强预测的可靠性;而高计算性能的数字孪生平台则能直观显示复杂数据,使得气象信息更易于理解和应用。从计算性能层面看,研究人员发现,在气象预测中,一般需要2～3个小时完成的计算工作,在GPU参与加速后,可以把时间压缩到1小时之内。

事实上,基于这些技术的模型应用不仅限于天气预测和防灾减灾,还能广泛应用于多个行业:

在农业领域,准确的天气预测可以帮助农业生产者更好地规划种植和灌溉,减少自然灾害带来的损失。

在能源行业,尤其是风能和太阳能领域,对天气变化极为敏感。精确的预测可以帮助优化能源分配和管理。

对于保险公司而言,可以利用及时、精准的天气预测模型来评估风险,制定更合理的保险策略和应急响应。

城市管理者也可以利用 AI 模型预测洪水和其他天气相关的灾害,提前准备应对措施,减轻灾害影响。

高保真大气动力学的生成式 AI 模型能够带来跨行业的革新,提高预测能力和决策效率。

目前,业界正期待着相关能力取得突破的期待很高。这些技术的发展和应用预示着气象预测领域的一个新时代,能够为人类带来更大的安全感和更好的生活质量。

NVIDIA Research 近日发布的用于模拟高保真大气动力学的全新生成式 AI 模型 StormCast。可以显著推动气象科学和相关行业的发展。通过提供更精准的天气预,StormCast模型不仅能增强灾害预防和应对措施的效果,还能为能源管理、交通运输、农业规划和公共安全等多个重要领域带来高效改进。

此外,StormCast模型的高度可视化功能使得复杂的气象数据更易于被政策制定者和公众理解,这将进一步提高人们对气候变化和天气预测的认知,增强社会对极端气象事件响应能力的整体效率。

有行业从业者表示,StormCast模型的应用前景广阔,有望成为推动气象科技和应急管理现代化的关键力量。

正值大西洋飓风季的高峰期,NVIDIA Research 发布了一个用于模拟高保真大气动力学的全新生成式 AI 模型 StormCast。该模型可以在中尺度(比风暴大但比气旋小的尺度)上作出可靠的天气预测,这对于防灾减灾工作至关重要。

NVIDIA 在一篇论文中详细介绍了 StormCast。当下,极端天气现象正在夺走人们的生命、摧毁人们的家园,仅在美国每年就造成超过 1500 亿美元的损失,该模型就是在这样的背景下诞生的。

该模型正是一个例子,体现了生成式 AI 正在通过推动气候研究和具有可操作性的极端天气预测取得突破性进展,帮助科学家应对拯救生命和世界这一最严峻的挑战。

NVIDIA Earth-2 是一个集 AI、物理仿真和计算机图形于一身的数字孪生云平台,能够以前所未有的准确性和速度在全球范围实现天气与气候预测的模拟和可视化。

在今年 6 月的 COMPUTEX 上,NVIDIA 创始人兼首席执行官黄仁勋发布了通过 Earth-2 提供的 CorrDiff 模型。

例如在台湾地区灾害防救科技中心计划使用 CorrDiff(Earth-2 提供的一个 NVIDIA 生成式 AI 模型)预测台风的精细尺度细节。

CorrDiff 可将模型分辨率从 25 公里提高到 2 公里,分辨率是以前的 12.5 倍,单次推理速度比传统的方法快了 1000 倍,能源效率提高了 3000 倍。

这意味着该中心以前需要花费近 300 万美元购买 CPU 才能完成的救援工作,现在只需花费约 6 万美元就能在搭载 NVIDIA Hopper Tensor Core GPU 的单个系统上完成。这一成本的大幅降低表明生成式 AI 和加速计算能够有效地提高能效和降低成本。

该中心还计划使用 CorrDiff 预测城市地区的下沉气流。因为当强风以漏斗状向下吹往街道时,就会损坏建筑物并影响行人。

StormCast 现在为 CorrDiff 增加了每小时自回归预测功能,这意味着该模型可以根据过去的结果预测未来的结果。

通过聚焦地区影响全球

全球气候研究始于地区层面的研究。

天气和气候变化造成的物理危害在不同地区之间存在显著差异。但由于在中尺度上模拟基本的流体动力学运动需要很高的空间分辨率,因此在这一层面进行可靠的数值天气预测需要大量计算成本。

过去,区域天气预报模型(通常称为对流容许模型,缩写为 CAM)迫使研究人员不得不在分辨率、集合规模和可负担性方面作出不同的权衡。

气象学家可以使用 CAM 追踪风暴的演变和结构并监测其对流模式或风暴形成时的构成方式。例如,龙卷风发生的概率取决于风暴的结构和对流模式。

(使用 NOAA 的地球静止环境观测卫星观察中尺度对流系统,图片来自 NOAA)

CAM 还有助于研究人员了解与天气有关的物理危害对基础设施层面的影响。

例如,研究人员可以使用全球气候模型模拟为 CAM 提供参考,帮助它们根据大气、河流含水量的缓慢变化,预测沿海易受灾地区的山洪暴发。

在较低分辨率下,在全球数据上训练而成的机器学习模型已能够有效地模拟数值天气预报模型,来改进严重事件的预警系统。这些机器学习模型的空间分辨率通常为 30 公里左右,时间分辨率为 6 小时。

如今,在生成扩散技术的帮助下,StormCast 能够实现 3 公里的空间分辨率和每小时的时间分辨率。

尽管尚处于起步阶段,但该模型在与降水雷达配合使用时,已经可以提供最多提前 6 小时的预报,其准确度比美国国家海洋和大气管理局(NOAA)最先进的 3 公里尺度 CAM 高出 10%。

此外,StormCast 的输出结果可显示符合物理学的逼真热量和湿度动态,并且能够预测 100 多个变量,例如在多个精细划分的高度层上的温度、水分浓度、风力和降雨雷达反射率值等。这使科学家们首次能够在 AI 天气模拟中确认风暴浮力的真实 3D 演变过程。

NVIDIA 研究人员利用来自美国中部的约三年半 NOAA 气候数据对 StormCast 进行了训练,并使用 NVIDIA 加速计算加快计算速度。

酝酿更多创新

科学家们已经在探究如何利用该模型的优势。

The Weather Company 创新负责人 Tom Hamill 表示:“由于有序的雷暴和冬季降水会产生巨大的影响,而且对其作出可信预报的难度极大,因此制作计算上易处理的风暴尺度集合天气预报是数值天气预报领域所面临的一项艰巨挑战。StormCast 显然是一个能够应对此类挑战的模型。The Weather Company 十分高兴能与 NVIDIA 一起开发、评估并在未来使用这些深度学习预报模型。”

科罗拉多州立大学大气合作研究所机器学习负责人 Imme Ebert-Uphoff 表示:“开发高分辨率天气模型需要使用 AI 算法解决对流问题,而这是一个艰巨的挑战。NVIDIA 的这项新研究探索了利用 StormCast 等扩散模型实现这一目标的潜力,这代表着我们朝着未来开发 AI 高分辨率天气预报模型迈出了重要一步。”

这些研究突破不仅实现了达到物理学精度的气候模拟的加速与可视化、创造了地球的数字孪生,还展现了 NVIDIA Earth-2 如何开启了气候研究的一个全新的重要时代。

NVIDIA Research 在全球拥有数百名科学家和工程师,专注于气候 AI、计算机图形学、计算机视觉、自动驾驶汽车和机器人等领域的研究。

免责声明：市场有风险，选择需谨慎！此文仅供参考，不作买卖依据。

关键词：