nuntium

한어Русский языкEnglishFrançaisIndonesianSanskrit日本語DeutschPortuguêsΕλληνικάespañolItalianoSuomalainenLatina

Scriptum ab | . Ma Xuewei

Editor |

Praefatio

Data ex Organizatione Mundi Meteorologico (WMO) demonstrat supra praeter 50 annos tempestatem mediocris, caeli vel inundationis relatas cotidie accidisse calamitatem;Quaelibet calamitas medium circiter 115 mortibus et damnis oeconomicis circiter US$202 miliones causat.。

Quod etiam miserius est, quod proximis annis, mutatio climatis humanis actionibus accelerata, extremas tempestates et climata calamitates effecit sicut aestus fluctus, frigus fluctus, graves praecipitatio et siccitates frequentius fiunt.

ergo,Opportune et accurateProvectus praedictionem caeli et exemplar caeli non solum adiuvare potest nisi decem milia vitae quotannis, sed etiam calamitosas ictum extremae tempestatis et climatis eventorum in societate humana et oecosystematis minuere.

nunc,NeuralGCM, intelligentia artificialis (AI) exemplar investigationis Google Investigationis explicata eiusque fautoribus, tempestatum praesagium et caeli simulationem ad novum gradum accipit.——

• Accuratio NeuralGCM scriptorum 1-15 dies praenuntius comparandus est cum Centre Europae pro Praeditionibus Tempestatis Medium-range (ECMWF), quod exemplar mundi praenuntiativum tempestatis physicae antecedens habet;

• Ad accurationem X dierum, NeuralGCM aeque bene vel etiam melius quam alia exempla AI existentia peragit;

• Postquam temperatura superficiei maris addit, praedictionem climatis XL annorum eventus NeuralGCM consentiunt cum trend calefactione globali in notitia ECMWF inventa;

• NeuralGCM etiam in cyclonibus eorumque trajectoriis outerforms exempla climatis existentes praenuntiant.

Memorabile est NeuralGCM non solum attingere vel etiam superare exsistentes exemplaria tempestatum traditionalium numeralium et alia machinae eruditionis (ML) exempla in verbis subtilitatis;Generare 22,8 dies simulationis atmosphaerici in 30 secundis temporis calculi;

Video Hoc video comparat simulationem atmosphaericas dies a NeuralGCM genitos et duo exemplaria physica, NOAA X-SPEUM et NCAR CAM6, intra tempus 30 secundum calculi. Inter eos, NOAA X-SHELD summus est resolutio (0.03°) exemplar physicum quod supercomputatorium currendum est; usitatius eligit apud phisicos. Quamvis NeuralGCM in resolutione inferiori operetur (1.4°), accuratio tamen cum altioribus exemplaribus resolutionis comparatur. (Source: Google Research)

Charta investigationis pertinet quae inscribitur "Neural genera circulationis exempla tempestatum et climatis", et in diario scientifico auctoritative Naturae divulgatur.

Simul, hi eventus demonstrant NeuralGCM ensembles praenuntiationes deterministicas generare posse tempestatum, tempestatum et climatis, satis stabilitatem praebentes ad diuturnitatem temporis et simulationum climatis.

Turma inquisitionis credit hunc finem ad altam doctrinam posse convenire cum muneribus circulatione traditis exemplaribus generalibus (GCMs, quae corporis processuum atmosphaerae, oceani et terrae repraesentant et fundamentum tempestatum et caeli praedictionum) et augere potest intelligentiam physicarum et magnarum simulationum criticarum ad praedictas Terrae rationes.

Praeterea accessus NeuralGCM hybridarum exemplarium applicari potest etiam aliis campis scientificis, ut materias inventionis, interdum plicatilis, et multi-physicae machinationis machinalis.

Quid est effectus rei?？

Incertum reducere in diuturnum tempus praenotiones et eventus extremas tempestates aestimandas clavis sunt ad mitigationem et accommodationem climatis intellegendam.

ML exemplumAlterum medium praenuntiationis tempestatis semper consideratum est, cum commodis quantitatis conservandae computandi, et etiam gradum circulationis atmosphaericae circulationes secundum praenuntiationem tempestatum deterministicam attigit vel excessit.Praedictio in longum tempus euismod saepe circulatio generalia inferior est。

In hoc opere, turma investigationis compositae machinae discendi et methodi physicae ad NeuralGCM designandum, utens ML partes ad reponendas vel corrigendos schema parameterizationis physicae in GCM traditum, quod constat ex sequentibus partibus clavis:

• Core potentia differentialis : Hic nucleus responsabilis est ad aequationes dynamicas discretasndas solvendas ac magnum-scalarum fluidum motum simulans et processuum thermodynamicum, qui afficiuntur gravitate, vi Coriolis et aliis factoribus. Core dynamicus utitur discretizatione pseudospectrali horizontali et sigma verticali coordinatis, et ad JAX bibliothecam applicatur ad differentiam latae sententiae sustinendam. Simulat septem variabiles praenuntiationes: ventum horizontalem, ventum horizontalem, disiunctionem, temperiem, pressuram superficiei, et species tres aquae (humiditas propria, glacies nubes aqua contenta, et aqua liquida nubes contenta).

• Study Physics Module : Modulus iste in GCM unica columna utitur, tantum informatione ex una columna atmosphaerica ad praedicendum effectus resolutorum processuum intra columnam illam. Retis neuralis plene connexis utitur cum nexus residuis et ponderibus participat inter omnes columnas atmosphaericas. Inputationes ad retis neuralis includunt variabiles praenuntiationes in columna atmosphaerica, incidentes totales radiorum solaris, coniunctio maris glacies et temperatura superficiei maris, necnon gradus horizontales variabilium praesagio. Retis neuralis output est praesagio inclinatio variabilis, per regulam absolutam deviationis campi scopo scalis.

• Encoders et decoders : Cum ERA5 notitia in pressuris coordinatis reponitur, dum vis nucleus utitur systemate coordinato sigma, encoders et decoders ad conversionem requiruntur. Hae partes interpolationem linearem praestant inter gradus pressionis et sigma gradus coordinantes et emendati sunt utentes architecturae reticuli neuralis ac physicae moduli eruditorum. Gravitas undarum encoder ab ictu initializatione causata eliminat, inde eventum praedictionis contaminans vitans.

Figura | NeuralGCM dynamica fluida cum reticulis neuralis ad physicas minimas traditas componit. Haec membra convenerunt per aequationem differentialem solventis, quae successiue systema procedens in tempore progreditur. (Source: Google Research)

Eventus demonstrant NeuralGCM praenuntiationem tempestatis validam facultatem exhibere, certare cum exemplaribus statu-of-artis in ultra tempus, breve tempus, et squamas medium temporis. sic:

Ipsum breve tempus praenuntientur (0-1 day)

• Facultas generalizationis: Comparatus ad GraphCast, NeuralGCM melius sub condicione tempestatum rudibus utitur quia reticulis localibus neural utitur ad processum physicum in columna verticali atmosphaerae praedicere.

Brevis terminus praenuntientur (1-10 dies)

• Sagaciter: NeuralGCM-0.7° et GraphCast optima in brevi tempore praenotationem dierum 1-3, accurate sequi mutationes in exemplaria tempestatum.

• Corporis constantia: Prae aliis exemplaribus discendi apparatus, praedictiones NeuralGCM clariores sunt, physice inconstantes et ambiguas praedictiones vitantes.

• Interpretabilitas: Per diagnostionem praecipitationis minus evaporationem, eventus NeuralGCM magis interpretabiles sunt ac faciliores analysi aquarum facultates.

• Statera venti geostrophici: NeuralGCM verius simulat structuram verticalem ventorum geostrophicorum et geostrophicorum eorumque rationibus quam GraphCast.

Medium-term Providemus (7-15 dies)

• Ensemble praesagio: Ensemble medium RMSE, RMSB et CRPS errores NeuralGCM-ENS in 1.4° resolutio omnes inferiores sunt quam ECMWF-ENS, significans melius posse statum tempestatis medium capere.

• Calibability: Ensemble praenotatio NeuralGCM-ENS, sicut ECMWF-ENS, rationem distinctionis artificii proxime 1 habent, quae conditio necessaria est ad praenotationem calibrandi.

Praeterea, praeter suam egregiam in tempestatibus praenuntiationem, NeuralGCM etiam validas facultates in simulatione climatis demonstravit, sicut cycli temporis simulatio, simulatio cycli tropicae, simulatio tenoris historici temperatus. sic:

Temporis exolvuntur simulation

• Sagaciter: NeuralGCM accurate cyclos temporis simulare potest, inclusis cyclis annuis aquae praecipitis globalis et energiae globalis summae, necnon dynamici atmosphaerici clavis sicut cellae Hadley et venti meridionalis.

• Comparatio cum exemplaribus nubis globali resolutis: NeuralGCM minores bias habet in aqua praecipiti et temperatura inferior in tropicis bilancis quam exemplar nubis globalis-X-ShiELD-solutae.

Tropical Cyclone simulatio

• Vestigia et numeri: Etiam ad grossam resolutionem 1.4°, NeuralGCM cyclolorum tropicorum vestigia et numeros ERA5 similes efficit, dum exemplar nubis globalis solvens X-SHIELD numerum cyclonum tropicarum in 1.4° solutionis aestimat.

Video｜ NeuralGCM viam cyclorum tropicorum globalis anno 2020 praedicat. Proventus praesagio congruere cum re numero et vehementia cyclonum pro eo anno ut patet per ECMWF Reanalysis Versionis 5 (ERA5) data copia. (Source: Google Research)

Historical temperatus trend simulation

• Simulationes AMIP: NeuralGCM-2.8° XL annos AMIP simulationum deduxit et ostendit omnes simulationes accurate captas inclinationes calefactionis globalis in notitia ERA5 observatas et trends interannuales temperaturas cum ERA5 datae valde connecti, neuralGCM significans ictum efficaciter posse simulare. de SST cogere in caelum.

• Comparatio cum exemplaribus CMIP6: NeuralGCM-2.8° in anno 1981-2014 studium minus temperatum quam exemplar CMIP6 AMIP habet, unde etiam post remotionem globalis temperationis ab exemplar CMIP6 AMIP.

Figura | Comparatio observantiae NeuralGCM et AMIP praedicens globalem temperatam ab anno 1980 ad 2020 medium. (Source: Google Research)

Quamvis NeuralGCM praenuntiationem tempestatum et climatis validas facultates demonstraverit, itSunt adhuc quidam limitationes。

primis,NeuralGCM limitata facultatem caeli futura praedicere . NeuralGCM nunc non potest praedicere climata futura, quae insigniter ab historicis climatibus differunt. Cum temperatura superficiei maris (SST) magna quantitate augetur (ut +4K), responsio NeuralGCM non aequata est exspectationi, et summa climatis occurrit.

Secundo;NeuralGCM satis habet facultatem simulare inobservata caeli . Similia alia machinae discendi exempla climatis, NeuralGCM etiam impugnationem climatis inobservatam simulandi, sicut futuram climate vel climate, multum a notitia historica differt. Hoc requirit exempla cum validioribus facultatibus generalibus et insidijs instituendis provectis, ut adversaria disciplina vel meta discendi.

deindeNeuralGCM etiam corporis angustias et quaestiones numerales stabilitatis habet . Exempli gratia, distributio spectralis NeuralGCM vaga adhuc est quam praecognoscendum ECMWF physicum, et minoris aestimatio est in eventibus extremae tropicae simulans. Haec ulterior investigatio et emendatio requirit processum physicum parameterizationem ac methodos numerales exemplaris ad meliorem consistentiam corporis ac stabilitatem numericam exemplaris.

tandem,Defectus copulationis aliis systematis Telluris componentibus . Nunc, NeuralGCM solum systema atmosphaericum simulat, cum systematis climatis implicatum systema inter se cohaerent, incluso oceano, terra, glacie et nivibus, ac biosphaera. Ad simulationes climatis pleniores faciendas, NeuralGCM his particulis coniungi debet et rationem inter eas interactiones considerare. Hoc requirit evolutionem novorum exemplarium architecturae et consilia instituendi ut multiphysicae simulationes coniungantur.

Praedictio tempestatum traditio et simulatio climatis ab AI . subvertuntur

NeuralGCM non est "pioneer" cum ad praenuntiationem caeli et simulationem tempestatum venit。

Paucis annis praeteritis, societatibus technicis et universitatibus, in iis Huawei, Google et Tsinghua University, hoc in directione progressus significantes fecerunt.

Mense Iulio 2023, evolvit Huawei CloudPangu-Tempestas exemplumIn Natura conscendit, XXXIX annos reanalysis tempestatis in notitia disciplinae globalis utitur. Praedictio accuratio comparatur cum optimae tempestatum numerorum mundi systemate IFS praedictum, et plus quam 10,000 vicibus velocius quam ratio IFS in eadem resolutione locali comparatur.

Alia charta in Natura simul inductaNowcastNetQuod ex quadrigis investigationis ducebat Michael Jordan, professor in Universitate California, Berkeley, et Wang Jianmin, professor in Universitate Tsinghua.

Mense Novembri 2023, Google DeepMind praesagium tempestatis exemplar in machina eruditionis fundatum immisit.GraphCast , in solutione globali 0,25°, exemplum centum variabilium tempestatum in proximos X dies uno momento praedicere potest, significanter melius quam traditionalis tempestatum modos praevidere, dum bene in praenuntiando eventus extremas faciendo. Documenta investigationis congruentia edita sunt in ephemeride scientifica aucta.

Mense Martio hoc anno, AI exemplar etiam a Google Research evolutum est, systema inundationis globalis monentis antecedens vicit.

Hodie, traditum tempestatum vaticinium et simulatio climatis ab AI eversa sunt. In futurum, AI accelerabit celeritatem ac diligentiam tempestatum praevidens, omnibus hominibus proficiens.

https://www.nature.com/articles/s41586-024-07744-y

https://www.science.org/doi/10.1126/science.adi2336

https://www.nature.com/articles/s41586-024-07145-1

https://www.nature.com/articles/s41586-023-06185-3

https://www.nature.com/articles/s41586-023-06184-4

Click me sequere et memento star｜