能够创建准确的天气预报模型对于美国经济的各个方面都至关重要，从航空到航运。迄今为止，天气模型主要基于与大气中的热力学和流体动力学相关的方程式。这些模型的计算成本极高，通常在大型超级计算机上运行。
来自Nvidia和Google等私营企业的研究人员已经开始开发用于天气预报的大型人工智能(AI)模型，即基础模型。最近，美国能源部(DOE)阿贡国家实验室的科学家与加州大学洛杉矶分校的研究人员AdityaGrover和TungNguyen密切合作，开始研究这种替代类型的模型。在某些情况下，这种模型可以产生比现有数值天气预报模型更准确的预报，而计算成本仅为其一小部分。
其中一些模型的七天后预测能力优于现有模型，为科学家提供了额外的天气预测窗口。
基础模型建立在“token”的使用之上，“token”是人工智能算法用来学习影响天气的物理原理的少量信息。许多基础模型用于自然语言处理，即处理单词和短语。
对于这些大型语言模型，这些标记是模型按顺序预测的单词或语言片段。对于这个新的天气预报模型，这些标记是图片——描述大气各个层面的湿度、温度和风速等信息的图表。
阿贡计算机科学家SandeepMadireddy表示：“你感兴趣的不是文本序列，而是时空数据，这些数据以图像的形式呈现。在模型中使用这些图像块时，你会对它们的相对位置以及它们如何相互作用有一些概念，因为它们是如何被标记的。”
阿贡大气科学家RaoKotamarthi表示，科学团队可以使用相当低分辨率的数据并得出准确的预测。
“多年来，天气预报的理念一直是通过更高的分辨率来获得更好的预报。这是因为你可以更精确地解决物理问题，但这当然需要很大的计算成本，”他说。“但现在我们发现，即使使用我们正在使用的方法，在粗分辨率下，我们实际上也能获得与现有高分辨率模型相当的结果。”
虽然可靠的近期天气预报似乎是人工智能近期可实现的目标，但尝试使用相同的方法进行气候建模(涉及随时间推移的天气分析)则带来了额外的挑战。
“理论上，基础模型也可用于气候建模。然而，私营部门寻求新天气预报方法的动力比寻求新气候建模的动力更大，”Kotamarthi说。
“气候建模基础模型的研究可能仍将是致力于寻求符合公众利益的解决方案的国家实验室和大学的职责范围。”
阿贡环境科学家特洛伊·阿科马诺表示，气候建模如此困难的原因之一是气候在实时变化。
“就气候而言，我们已经从基本静止的状态转变为非静止状态。这意味着，由于大气中碳的增加，我们所有的气候统计数据都在随着时间而变化。这些碳也在改变地球的能量预算，”他说。“用数字来计算是很复杂的，我们仍在寻找使用人工智能的方法。”
阿贡国家实验室推出的全新百亿亿次级超级计算机Aurora将帮助研究人员训练一个非常大的基于人工智能的模型，该模型将以非常高的分辨率运行。“我们需要一台百亿亿次级机器，才能真正用人工智能捕捉到精细的模型，”Kotamarthi说。
基于该研究的论文在“利用机器学习应对气候变化”研讨会上获得了最佳论文奖。该研讨会于5月10日在奥地利维也纳与2024年国际学习表征会议同时举行。
标签：
免责声明：本文由用户上传，如有侵权请联系删除！