转自：气象学家
气候变化是当今人类面临的最大挑战之一。为了帮助解决这个问题，来自劳伦斯伯克利国家实验室、加州理工学院和 NVIDIA 的研究人员训练了傅里叶神经算子(FNO)深度学习模型ーー该模型能够准确有效地学习复杂的物理系统ーー以模拟大气动力学，并提前整整五天在全球范围内提供高保真的极端天气预报。
研究人员利用欧洲中期天气预报中心的高分辨率地球数据集 ERA5数十年的数据，对 FNO 模型进行了训练。FNO 模型的规模扩大到了珀尔穆特上的128 NVIDIA A100 gpu，这是国家能源研究科学计算中心(NERSC)的新 HPC 系统。这个团队开发了一个30公里分辨率的全球 FNO/天气预报模型，这个分辨率比最先进的深度学习地球模拟器高出一个数量级。该模型高保真地预测了大气中多个层次的风速和压力，预测时间可提前120小时。在一个关于2016年大规模飓风马修的案例研究中，模型对飓风风向和路径的预测都在 NOAA 国家飓风中心预报锥的不确定性范围内。此外，该模型可以提前0.25秒在一个 NVIDIA GPU 上预测全球特定类别的极端天气事件的行为。
通过物理学知识建立的深度学习模型，例如 FNO，可以比传统的数值模型更快地准确预测地球系统的时空演化数量级。这是一个持续的努力，团队正在调查深度学习和传统数值天气模型的比较准确性，与大气建模和数值天气预报天气预报专家合作。
研究人员指出，通过伯克利实验室/加州理工学院/NVIDIA 合作开发的 FNO 模型是朝着建立一个数字孪生地球迈出的重要一步。数字孪生地球是行星地球的数字复制品ーー以物理学为基础，由人工智能驱动，并受实时数据约束的模拟器。正如欧盟雄心勃勃的十年项目目的地地球所描述的那样，一个数字孪生地球将为专家和非专家用户提供在气候监测、建模、缓解和适应领域中定制的高质量信息、服务、模型、预测和可视化访问。这个视频显示了一个演示的数字孪生地球使用的 FNO 模型。
FNO 气候合作是 NVIDIA 联合创始人兼首席执行官黄在最近的 GPU 技术会议上的主旨发言中描述的几个科学成功故事之一。在他的演讲中，黄强调加速计算、物理学、机器学习和巨型计算机系统的结合可以提供“百万倍的飞跃”，使模拟和预测气候变化能够可靠和准确。
这个项目的负责人是 Karthik Kashinath 和 Jaideep Pathak，前者是 NERSC 的校友，现在是 NVIDIA 的机器学习科学家兼技术专家，后者是 NERSC Exascale 科学应用项目的博士后研究员。Sanjeev Raja 是 NERSC 数据与分析服务部门的暑期实习生，他也参与了这项研究。
NERSC 的数据、人工智能和分析服务小组的代理主管 Wahid Bhimji 说: “在气候建模的变革性变化的尖端深度学习方法的发展过程中，看到这个重要的里程碑真是太好了。”。“我们感到骄傲的是，NERSC 的 AI 早期科学合作项目和 Permutter 世界级的 AI 计算基础设施能够帮助推动这一变化。”
原文链接：https://phys.org/news/2021-12-deep-learning-extreme-weather.html
内容中包含的图片若涉及版权问题，请及时与我们联系删除
评论
沙发等你来抢