新的AI模型承诺更快，更智能的天气预测

由英国和加拿大研究人员开发的一种新的AI模型Aardvark Weather可以通过用人工智能替换传统的天气模拟，以最大程度地提高成本效率和准确性，以标志着全球天气预测的转折点。

剑桥大学的研究人员，多伦多大学的矢量研究所和艾伦·图灵研究所在最近的一个新发现中揭示了新发现报告发表在自然.

与传统的预测工具不同，通过复杂的方程式模拟大气物理学，Aardvark天气是一种“深度学习”模型，可在多压力水平下生成风，湿度，地理电位和温度的全球预测。

它还可以提供2米温度和10米风速的本地站预测。深度学习是机器学习教会计算机以识别大量数据的模式。

“目前，预测管道中有一些计算昂贵的组件，”多伦多大学矢量学院的博士后研究员詹姆斯·雷克里玛（James Requima）告诉解密。 “我们已经能够用训练有素的较轻的重量模型来代替许多耗时的零件，以执行相同的任务。”

通过使这些组件提高效率，Aardvark可以更频繁地进行预测，并以更高的分辨率进行预测，从而提高速度和准确性。

正如Requeima所解释的那样，该团队设计了组件来替换预测管道中的每个步骤，这涉及将原始的观察数据转换为天气预报。

他说：“我们发现，一旦将这些机器学习组件链在一起，整体性能就会大大提高。” “通过对我们要定位的最终任务进行整个管道进行微调，我们可以优化每个组件的孤立角色，而且可以为其对我们最关心的结果做出贡献。”

该项目还包括来自Microsoft Research Cambridge，欧洲中范围天气预报中心（ECMWF）和英国南极调查的研究人员。

Aardvark天气使用原始的大气数据（例如压力，温度和相对湿度测量）来产生高分辨率的全球和局部预测。

该系统围绕三个神经组件构建：编码器，处理器和解码器。

• 编码器：将原始的，非结构化的观察数据转换为大气的网格表示。
• 处理器：从网格数据中生成天气预报。
• 解码器：将预测转换为特定的本地预测。

为了提高AARDVARK的性能和准确性，首先在ERE5重新分析数据（来自ECMWF的高质量历史数据集）中进行了预先训练的组件，然后使用现实世界中的天气观测来进行微调。

Requeima说：“一般而言，数据同化的工作方式就像自回归过程一样。您从当前的大气预测开始，这是由大型动力学系统生成的，该系统估计其当前状态。在零时，您具有此初始状态。” “但是数据同化还需要合并遥控传感器的实时测量。因此，您可以在模型预测旁收集实际观察结果，并相应地调整大气估计。”

一小部分成本和时间

根据该报告，与欧洲中等范围的天气预报高分辨率预测等较旧型号所需的小时相比，Aardvark可以在仅一秒钟内使用四个NVIDIA A100 GPU产生全球预测。

计算要求的这种急剧减少使得没有资源运行全尺度NWP系统的地区和代理商可以访问高质量，可自定义的预测。它还可以更快地对模型进行微调。

Aardvark加入了越来越多的工具，旨在帮助气象学家预测和应对极端天气事件。在最近的风暴中，例如海伦飓风和米尔顿，受虐美国东海岸于2024年10月，预报员强调了人工智能在改善风暴强度预测方面的重要性。

展望未来，Requeima指出，该团队计划开放Aardvark，以使技术更广泛地访问。

他说：“我认为这是使天气建模民主化的重要一步，使公众更轻巧，可以使用。” “我们的希望。这也代表了端到端天气建模的重大进步，尤其是通过数据驱动的机器学习方法。”

编辑塞巴斯蒂安·辛克莱（Sebastian Sinclair）和乔什·奎特纳（Josh Quittner）