Google DeepMind
Google DeepMind周二(11/14)發表了號稱史上最準確的全球天氣預報AI模型GraphCast,它是個中期氣象預測模型,可在1分鐘內預測未來10天的天氣,比歐洲中期天氣預報中心(ECMWF)所打造的10天高解析度預測(HRES)更準確也更快速。DeepMind不僅已透過GitHub開源GraphCast,亦已於ECMWF官網上公開測試GraphCast。
GraphCast使用了40年的天氣再分析資料進行訓練,相關資料來自於ECMWF的ERA5資料集。此一資料集集結了各種的歷史天氣觀測資料,包括衛星圖像與雷達,再加上氣象站所使用的基於物理運算的傳統數值天氣預報(NWP)來彌補觀測不足之處,以重建豐富的全球歷史天氣紀錄。
此外,GraphCast是個基於機器學習及圖像神經網路的天氣預報系統,它以0.25度經緯度(相當於28x28公里)的高解析度進行預測,以逾100萬個網格覆蓋了地球表面,在每個網格中預測5種地球表面變數,如溫度、風速、風向及平均海平面壓力等,以及6個大氣變數。
儘管GraphCast的訓練屬於密集運算,但所生成的預測模型卻非常有效率,GraphCast只需要輸入兩組資料,包括6小時前的天氣狀態以及現在的天氣狀態,該模型就能預測6小時之後的天氣,以此類推一直到10天。在一臺Google TPU v4機器上不到1分鐘就能完成10天的預測,相較之下,若以傳統的HRES進行預測,在一個由數百臺機器組成的超級電腦上還需要數小時才能得到結果。
比較GraphCast與HRES的準確度,在1380個測試變數與提前預報時間上,GraphCast有超過90%都比HRES還要準確,若將預測範圍縮小至對流層,GraphCast有99.7%的預測優於HRES。
除了一般的天氣預測之外,DeepMind資深科學家Remi Lam指出,即使沒有經過特別的訓練,但GraphCast可比傳統的預測模型更早辨識惡劣的天氣事件,包括將氣旋追蹤器直接應用於GraphCast預測中,或是呈現大氣河流(AV)的特性,可即早發現颶風與洪水,將有助於在愈來愈極端的全球氣候中提前防範。
在GraphCast之前,Google DeepMind與Google Research已曾發表兩款天氣預報系統,包括可生成90分鐘之後天氣預報的Nowcasting模型,以及24小時預報系統MetNet-3,而這兩個系統都是屬於區域性的,GraphCast則覆蓋了全球。
除了已有包括ECMWF在內的氣象組織採用了GraphCast,DeepMind也認為,開源GraphCast可望激發更多的可能性,包括針對特定氣候現象製作模型,或是針對全球不同地區的需求來優化模型。
熱門新聞
2024-10-05
2024-10-07
2024-10-07
2024-10-05
2024-10-07
2024-10-07
2024-10-04