NVIDIA veröffentlicht das Wettervorhersagemodell StormCast. KI macht die Jagd nach dem Wind schneller und genauer
2024-08-24
한어Русский языкEnglishFrançaisIndonesianSanskrit日本語DeutschPortuguêsΕλληνικάespañolItalianoSuomalainenLatina
Taifune, ein „alter Bekannter“ in der Natur, haben mit ihrer erstaunlichen Zerstörungskraft und unvorhersehbaren Verlaufskurven oft enorme Auswirkungen auf die Produktion und das Leben der Menschen. Jedes Jahr von Juni bis August ist es auch die aktive Zeit für Taifune im Nordwestpazifik. Laut der Prognose des China Weather Network und dem Taifun-„Zeitplan“ für August dieses Jahres wird es im August 3 bis 4 Taifune im Nordwestpazifik und im Südchinesischen Meer geben, was weniger ist als im gleichen Zeitraum in normalen Jahren. Davon werden zwei bis drei Taifune in meinem Land landen, und die Taifune werden sich hauptsächlich nach Westen und Nordwesten bewegen.
In den letzten Jahren wurden auch meteorologische „Windjagd“-Technologien und -Tools ständig weiterentwickelt und verbessert. Der Reporter erfuhr, dass Nvidia kürzlich StormCast veröffentlicht hat, ein bahnbrechendes generatives KI-Modell zur Simulation der atmosphärischen Dynamik mit hoher Wiedergabetreue. Der bahnbrechende Punkt dieses Modells besteht darin, dass es Wettersysteme, die noch keinen Zyklon gebildet haben, zuverlässig vorhersagen kann. Taifun-Vorhersagen einen Schritt früher machen – jetzt in der Lage, eine räumliche Auflösung von 3 Kilometern und eine Zeitauflösung von jeder Stunde zu erreichen.
Vor zwei Monaten stellte Nvidia-Gründer und CEO Jensen Huang das über Earth-2 verfügbare CorrDiff-Modell vor. Berichten zufolge ist NVIDIA Earth-2 eine digitale Zwillings-Cloud-Plattform, die KI, physikalische Simulation und Computergrafiken integriert. Sie kann Wetter- und Klimavorhersagen auf globaler Ebene mit beispielloser Genauigkeit und Geschwindigkeit simulieren und visualisieren. CorrDiff kann die Modellauflösung von 25 Kilometern auf 2 Kilometer erhöhen. Die Einzelinferenzgeschwindigkeit ist 1000-mal schneller als bei der herkömmlichen Methode und die Energieeffizienz wird um das 3000-fache erhöht.
Das Aufkommen von StormCast fügt CorrDiff eine stündliche autoregressive Vorhersagefunktion hinzu, was bedeutet, dass das Modell zukünftige Ergebnisse basierend auf früheren Ergebnissen vorhersagen kann.
Vorhersagen können bis zu 6 Stunden im Voraus erstellt werden
Die physischen Gefahren durch Wetter und Klimawandel variieren erheblich zwischen den Regionen. Da die Simulation grundlegender hydrodynamischer Bewegungen auf der Mesoskala jedoch eine hohe räumliche Auflösung erfordert, sind zuverlässige numerische Wettervorhersagen auf dieser Ebene rechenintensiv.
Daher mussten meteorologische Forscher in der Vergangenheit bei regionalen Wettervorhersagemodellen (oft als konvektionszulässige Modelle bezeichnet, abgekürzt als CAM) häufig Kompromisse hinsichtlich Auflösung, Ensemblegröße und Erschwinglichkeit eingehen.
Bei niedrigeren Auflösungen konnten Modelle des maschinellen Lernens, die auf globalen Daten trainiert wurden, numerische Wettervorhersagemodelle effektiv simulieren, um Frühwarnsysteme für schwere Ereignisse zu verbessern. Die räumliche Auflösung dieser maschinellen Lernmodelle beträgt typischerweise etwa 30 Kilometer und die zeitliche Auflösung 6 Stunden.
Mit Hilfe der generativen Diffusionstechnologie kann StormCast eine räumliche Auflösung von 3 Kilometern und eine zeitliche Auflösung von jeder Stunde erreichen. In Verbindung mit dem Niederschlagsradar kann das Modell bereits Vorhersagen bis zu 6 Stunden im Voraus liefern.
Darüber hinaus zeigen StormCast-Ausgaben physikalisch realistische Wärme- und Feuchtigkeitsdynamiken an und können mehr als 100 Variablen wie Temperatur, Feuchtigkeitskonzentration, Wind- und Niederschlagsradarreflexionswerte auf mehreren fein unterteilten Höhenniveaus vorhersagen. Dadurch konnten Meteorologen erstmals die tatsächliche 3D-Entwicklung des Sturmauftriebs in einer KI-Wettersimulation bestätigen.
Weitere Innovationen sind in Vorbereitung
Wissenschaftler erforschen bereits, wie sie sich das Modell zunutze machen können. Tom Hamill, Leiter Innovation bei The Weather Company, sagte: „Da geordnete Gewitter und Winterniederschläge enorme Auswirkungen haben können und äußerst schwer zuverlässig vorherzusagen sind, ist die Erstellung rechnerisch nachvollziehbarer Sturm-Ensemble-Wettervorhersagen ein vorrangiges Modell.“ das eindeutig eine schwierige Herausforderung im Bereich der numerischen Wettervorhersage angeht. The Weather Company freut sich, mit NVIDIA zusammenzuarbeiten, um diese Deep-Learning-Prognosemodelle in Zukunft zu entwickeln, zu bewerten und zu nutzen.“
„Die Entwicklung hochauflösender Wettermodelle erfordert den Einsatz von KI-Algorithmen zur Lösung von Konvektionsproblemen, was eine schwierige Herausforderung darstellt“, sagte Imme Ebert-Uphoff, Leiterin des maschinellen Lernens am Cooperative Institute for Atmospheric Research an der Colorado State University. „Diese neue NVIDIA-Forschung.“ untersucht den Einsatz von StormCast. Das Potenzial des Isodiffusionsmodells, dies zu erreichen, stellt einen wichtigen Schritt zur Entwicklung hochauflösender KI-Wettervorhersagemodelle in der Zukunft dar.“
Diese Forschungsdurchbrüche ermöglichen nicht nur die Beschleunigung und Visualisierung physikalisch genauer Klimasimulationen und die Schaffung eines digitalen Zwillings der Erde, sondern zeigen auch, wie NVIDIA Earth-2 eine neue und wichtige Ära der Klimaforschung eingeläutet hat.
Es wird berichtet, dass NVIDIA Research Hunderte von Wissenschaftlern und Ingenieuren auf der ganzen Welt beschäftigt, die sich auf die Forschung in den Bereichen Klima-KI, Computergrafik, Computer Vision, autonome Fahrzeuge und Roboter konzentrieren.
Autor: Zhang Tianchi
Text: Zhang Tianchi Herausgeber: Zhang Yi Herausgeber: Rong Bing
Bitte geben Sie beim Nachdruck dieses Artikels die Quelle an.
