火星網校
DeepMind大模型登Science：1分鐘預測10天天氣數據，90%指標超越人類最強模型
發(fā)布時間：2023-11-15 15:52:35 瀏覽量：96次
不用物理方程，只靠數據預測
克雷西 發(fā)自 凹非寺
|
谷歌DeepMind實驗室推出的天氣預測大模型，已在Science雜志發(fā)表。
只需要不到1分鐘，它就能直接預測出未來10天的天氣。
準確度上，它在90%的指標上超越了最先進的人類系統(tǒng)，在AI氣象模型中屬首次！
DeepMind的這個氣象模型名叫GraphCast，目前已經開源。
它的分辨率為0.25度經度/緯度（在赤道處約為28×28公里），而目前的最高分辨率為1度。
這樣的分辨率相當于將地球表面分割成了超過100萬個網格，而每個網格又可以產生數百條預測數據，總計數量達到了上億規(guī)模。
不同于傳統(tǒng)的預測方式，GraphCast預測主要依靠數據中的規(guī)律進行預報，而不使用人類建立的物理方程。
相比于人類最準確的HRES預報，GraphCast在1380個測試指標中，90%的預測結果都更為準確。
如果把預測范圍限制在對流層，GraphCast擊敗HRES的指標比例更是高達99.7%。
YC上有網友表示，用“impressive”已經不足以形容這項成果了。
那么，GraphCast的預測表現具體是怎樣的呢？
90%指標超越人類最好方法
在劃分出的100萬多個網格上，GraphCast劃分出的每個網格都能夠產生227條預測數據。
其中包括了37個不同高度上，每個高度的6個大氣變量（包括比濕度、風速和風向以及溫度等）。
在地球表面，GraphCast還可以預測包括溫度、風速和風向以及平均海平面壓力等在內的5個變量。
完整的變量種類和具體高度（以氣壓表示，單位：hPa）如下表所示：
為了比較GraphCast和HRES的表現，研究人員從歐洲中期天氣預報中心（ECMWF）的ERA5再分析數據中選取了2018年（GraphCast訓練數據截止2017年）的歷史數據。
研究者分別讓HRES和GraphCast站在當時的情況下進行“預測”，然后比較它們的“預測”和ERA5進行比較。
在500hPa高度場上，GraphCast的RMSE（均方根誤差，數值越低表現越好）和ACC（異常相關系數）指標都顯著優(yōu)于HRES。
而在研究人員選取的50-1000hPa的1380個數據點中，GraphCast有90.3%優(yōu)于HRES，89.9%優(yōu)勢顯著（下圖d組中，藍色表示GraphCast優(yōu)于HRES，越深優(yōu)勢越明顯）。
除了這些數據，GraphCast在極端天氣的預測上也有明顯優(yōu)勢。
對于熱帶氣旋路徑，GraphCast中位誤差低于HRES，特別是在前4.75天開始，優(yōu)勢開始變得明顯（下圖a、b）。
在根據大氣河流（Atmospheic River）進行水汽通量預測時，GraphCast的RMSE值也明顯低于HRES（下圖c）。
預測熱浪時，GraphCast在提前12小時、5天、10天時，準確度也都比HRES高（下圖d）。
今年9月，GraphCast成功在登陸前9天預測了北大西洋的颶風Lee，而使用傳統(tǒng)方法最多提前6天預報。
GraphCast不僅準確度高，預測速度也非?？臁?/p>
在一臺Google TPU v4機器上使用GraphCast進行10天預測，只需不到一分鐘就能完成。
相比之下，使用HRES等傳統(tǒng)方法，即使在超級計算機上也要花費數個小時。
那么，GraphCast是如何實現高效準確的氣象預測的呢？
不使用物理方程，預測全靠數據分析
工作流程上，輸入從6小時前開始到當前的氣象數據，GraphCast就可以預測未來6小時的天氣。
而預測出的數據可以作為新的“當前”態(tài)，繼續(xù)往后迭代預測，最長可以預測到10天后的天氣狀況。
原理層面，GraphCast使用機器學習方式和圖神經網絡（GNN）架構，其中包括編碼器和解碼器各一層，以及中間層16層，參數量為3670萬。
它僅通過學習已有氣象數據實現預測，不依賴人類建立的物理方程。
GraphCast將0.25度網格的氣象數據進行編碼映射到神經網絡，經過傳遞計算后的結果再由解碼器還原為氣象數據。
訓練時，GraphCast使用的是來自ERA5數據集中的1979-2017這近四十年天氣的再分析數據，包括了衛(wèi)星圖像、雷達和氣象站測結果。
ERA5是基于4DVar方法和同化觀測生成的全球最優(yōu)重構資料，涵蓋時間從上世紀40年代至今，空間則覆蓋全球。
而如果使用更近期的數據，GraphCast的預測結果準確度還能繼續(xù)提高。
下一步，DeepMind計劃構建集合預報模型，以適應實際情況中天氣的不確定性，進一步增強預報準確性。
論文地址：
https://www.science.org/doi/10.1126/science.adi2336
參考鏈接：
[1]https://deepmind.google/discover/blog/graphcast-ai-model-for-faster-and-more-accurate-global-weather-forecasting/
[2]https://www.ft.com/content/ca5d655f-d684-4dec-8daa-1c58b0674be1
開源項目頁：
https://github.com/google-deepmind/graphcast
CoLab筆記：
https://colab.research.google.com/github/deepmind/graphcast/blob/master/graphcast_demo.ipynb
熱門課程推薦
熱門資訊
-
想將照片變成漫畫效果？這篇文章分享了4個方法，包括Photoshop、聰明靈犀、VanceAI Toongineer、醒圖，簡單操作就能實現，快來嘗試一下吧！
-
2. 華為手機神奇“AI修圖”功能，一鍵消除衣服！原圖變身大V領深V！
最近華為手機Pura70推出的“AI修圖”功能引發(fā)熱議，通過簡單操作可以讓照片中的人物換裝。想了解更多這款神奇功能的使用方法嗎？點擊查看！
-
近年來,人工智能逐漸走入公眾視野,其中的AI圖像生成技術尤為引人注目。只需在特定軟件中輸入關鍵詞描述語以及上傳參考圖就能智能高效生成符合要求的...
-
4. AI視頻制作神器Viggle：讓靜態(tài)人物動起來，創(chuàng)意無限！
Viggle AI是一款免費制作視頻的AI工具，能讓靜態(tài)人物圖片動起來，快來了解Viggle AI的功能和優(yōu)勢吧！
-
5. Logo Diffusion——基于sd繪畫模型的AI LOGO 生成器
這下LOGO設計徹底不用求人了。接下來詳細演示一遍操作流程首先進入Logo D... 想學習更多AI技能,比如說關于怎么樣利用AI來提高生產效率、還能做什么AI...
-
6. 零基礎10分鐘生成漫畫，教大家如何用AI生成自己的漫畫
接下來,我將親自引導你,使用AI工具,創(chuàng)作一本既有趣又能帶來盈利的漫畫。我們將一起探索如何利用這個工具,發(fā)揮你的創(chuàng)意,制作出令人驚嘆的漫畫作品。讓...
-
7. AI顯卡繪畫排行榜:4090無懸念，最具性價比出人意料
在AI繪圖領域，Stable Diffusion的顯卡繪圖性能備受關注。本文整理了Stable Diffusion顯卡的硬件要求和性能表現，以及2023年3月顯卡AI繪圖效率排行榜和性價比排行榜。歡迎查看最新的AI顯卡算力排行榜。
-
以下是一些免費的AI視頻制作網站或工具,幫助您制作各種類型的視頻。 1. Lumen5:Lumen5是一個基于AI的視頻制作工具,可將文本轉換為視頻。 用戶可以使...
-
就能快速生成一幅極具藝術效果的作品,讓現實中不懂繪畫的人也能參與其中創(chuàng)作!真的超贊噠~趣趣分享幾款超厲害的AI繪畫軟件,提供詳細操作!有需要的快來...
-
10. 10個建筑AI工具，從設計到施工全覆蓋!肯定有你從來沒聽過的
講述了建筑業(yè)比較著名的AI公司小庫科技做出的探索,在這兒就不多說了。今天,我們試著在規(guī)劃設計、建筑方案設計、住宅設計、管道設計、出渲染圖、3D掃...
最新文章
