【资料图】

昨天，上海人工智能实验室联合中国科学技术大学、上海交通大学、南京信息工程大学、中国科学院大气物理研究所及上海中心气象台发布全球中期天气预报大模型“风乌”。该模型基于多模态和多任务深度学习方法构建，首次实现在高分辨率上对核心大气变量进行超过10天的有效预报，并在80%的评估指标上超越DeepMind发布的模型GraphCast。与传统模型相比，“风乌”在效率上大幅提升，仅需30秒即可生成未来10天全球高精度预报结果。      气象专家介绍，尽管目前市面上有一些产品提供未来15天的气象预报服务，但10天以上的预报性能还有很大不确定性。实践证明，将观测与数值预报和人工智能相结合，可有效提升数值预报准确性。“风乌”首次将全球气象预报的有效性提高到10.75天，具有很大的业务应用价值。上海人工智能实验室领军科学家欧阳万里表示，“风乌”取名自秦汉时期的“相风铜乌”，是世界上最早的测风设备。天气预报大模型“风乌”不仅承载了中国古人的智慧，也寓意实验室在气象等AI for Science领域不懈探索。      30秒生成10天预报，误差降低约20%近年来全球气候变化加剧，极端天气频发，各界对天气预报的时效和精度的期待与日俱增。在气象气候预报任务中，全球中期天气预报是最重要的预测任务之一，它以预测未来14天内的大气系统状态为目标，不仅是当前广泛使用的集成天气预测系统的基础，也是区域性数值天气预报系统的背景场和边界条件。      囿于气象观测的准确度、大气系统中物理过程的复杂性，以及求解大气模型所需资源规模巨大，过去数十年间，全球中期天气预报的有效性每10年才提高1天。随着深度学习技术和框架的不断成熟，人工智能为地球科学等领域带来了全新研究思路。上海人工智能实验室青年科学家白磊表示，“风乌”提供了一个强大有效的全球中期天气预报的AI框架，其领先性体现在预报精度、预报时效和资源效率三方面。      在预报精度方面，“风乌”的10天预报误差相较DeepMind的GraphCast降低了10.87%，相较传统物理模型降低19.4%；在预报时效方面，此前全球最好的物理模型HRES的最大有效预报时长为8.5天，而“风乌”基于再分析数据达到了10.75天；在资源效率方面，现有物理模型往往运行在超级计算机上，而“风乌”AI大模型仅需单GPU（图形处理器）便可运行，30秒即可生成未来10天全球高精度预报结果。      突破传统气象预报计算和性能瓶颈高精度、长时效、高效率的背后，是上海人工智能实验室AI for Earth联合团队提出的一种基于多模态多任务的深度学习方法。他们将此用于构建AI天气预报模型，从而实现了对全球中期天气进行快速、准确预报。由于不需要通过复杂的物理系统仿真，AI气象预报模型突破了传统预报方法的计算瓶颈，能够高效进行预报和集成。同时，AI对气象数据关系的强大拟合能力使其有潜力突破传统数值模式预报中的性能瓶颈。      据介绍，“风乌”采用多模态神经网络和多任务自动均衡权重，解决多种大气变量表征和相互影响的问题。它将位势、湿度、纬向风速、经向风速、温度等大气变量看作多模态信息，并从多任务的角度出发，自动学习每个大气变量的重要性，使得多个大气变量之间更好地协同优化。为了优化“风乌”的多步预测结果，团队提出了“缓存回放”策略，以减少预测误差，提高长期预测性能。从结果上看，“风乌”在6到10天的中期预报上，预报技巧显著高于GraphCast。      未来，“风乌”AI气象大模型可与传统的物理模型形成互补，凭借其卓越的性能和精度，为生产生活提供更准确、更实用的天气预报信息，助力天气预报数字化，为农林牧渔、航空航海等行业及公共安全保障提供有力支持。上海人工智能实验室AI for Earth团队还将把AI技术应用到气象、环境、天文、地质等更多地球科学问题的研究中，助力“碳中和”、防灾减灾、能源安全等重大需求。