- 简介深度学习基础模型通过利用大量数据学习通用表示形式，可以适应各种下游任务，正在彻底改变科学的许多方面。基础模型有望利用地球系统数据的广阔范围，也改变我们对地球及其子系统建模的能力。在这里，我们介绍了Aurora，这是一个大规模的基础模型，针对多种天气和气候数据进行了超过一百万小时的训练。Aurora利用基础建模方法的优势，为各种大气预测问题提供操作性预测，包括训练数据有限、变量异构和极端事件等。在不到一分钟的时间内，Aurora可以产生五天的全球空气污染预测和十天的高分辨率天气预报，超过了最先进的经典模拟工具和最好的专门的深度学习模型。综合这些结果表明，基础模型可以改变环境预测。
- 图表
- 解决问题如何利用大规模数据集来改进地球系统模型的预测能力？
- 关键思路使用深度学习基础模型Aurora来进行大气预测，能够在多种气象预测问题上取得优秀的表现
- 其它亮点Aurora基于大规模的气象数据集进行训练，在气象预测问题上表现优秀，能够在不同类型的气象预测问题上进行应用。该模型能够在不到一分钟的时间内生成5天的全球空气污染预测和10天的高分辨率天气预报。
- 最近的相关研究包括使用深度学习进行气象预测的研究，如使用卷积神经网络进行降水预测的研究（Precipitation nowcasting with multi-scale nested networks）和使用循环神经网络进行天气预测的研究（Deep learning for weather forecasting: A comparison of deep neural networks and neural persistence）
沙发等你来抢
去评论
评论
沙发等你来抢