全球中期天氣預(yù)報(bào)對(duì)社會(huì)和經(jīng)濟(jì)決策至關(guān)重要。傳統(tǒng)的數(shù)值天氣預(yù)報(bào)（NWP）依賴(lài)于復(fù)雜計(jì)算，但并未充分利用歷史數(shù)據(jù)來(lái)改進(jìn)模型。Deepmind提出了一種新方法“GraphCast”，它是基于機(jī)器學(xué)習(xí)的天氣預(yù)報(bào)（MLWP）技術(shù)，直接從歷史數(shù)據(jù)中學(xué)習(xí)，能在全球?0.25°?的分辨率下，可以在一分鐘內(nèi)預(yù)測(cè)未來(lái)?10?天的數(shù)百個(gè)天氣變量。GraphCast在多數(shù)測(cè)試目標(biāo)上優(yōu)于現(xiàn)有最準(zhǔn)確的操作確定性系統(tǒng)，并能更好地預(yù)測(cè)重大天氣事件，如熱帶氣旋、大氣河流和極端溫度。這一突破對(duì)天氣預(yù)報(bào)領(lǐng)域是一個(gè)重大進(jìn)步，展現(xiàn)了機(jī)器學(xué)習(xí)在復(fù)雜動(dòng)力系統(tǒng)建模方面的潛力。并且模型權(quán)重是開(kāi)源的。

論文：https://www.science.org/doi/10.1126/science.adi2336#sec-5

Readpaper：https://readpaper.com/paper/4705295064901894145

Github：https://github.com/google-deepmind/graphcast

開(kāi)源權(quán)重：https://console.cloud.google.com/storage/browser/dm_graphcast;tab=objects?pli=1&prefix=&forceOnObjectsSortingFiltering=false

包括?ECMWF?在內(nèi)的氣象機(jī)構(gòu)已經(jīng)開(kāi)始使用?GraphCast，ECMWF?正在其網(wǎng)站上進(jìn)行實(shí)時(shí)運(yùn)算：https://charts.ecmwf.int/products/graphcast_medium-mslp-wind850?base_time=202311151200&projection=opencharts_europe&valid_time=202311151800

技術(shù)核心：GraphCast是基于深度學(xué)習(xí)的新型天氣預(yù)報(bào)方法，它使用圖神經(jīng)網(wǎng)絡(luò)（GNN，具體來(lái)說(shuō)是encode-process-decode）來(lái)分析和預(yù)測(cè)天氣數(shù)據(jù)。

快速高效：能在極短時(shí)間內(nèi)（一分鐘內(nèi)）預(yù)測(cè)全球范圍內(nèi)接下來(lái)10天的天氣，顯示出了卓越的處理速度和效率。

高精度預(yù)測(cè)：在對(duì)比測(cè)試中，GraphCast在90%以上的目標(biāo)預(yù)測(cè)中優(yōu)于當(dāng)前最先進(jìn)的天氣預(yù)報(bào)系統(tǒng)，尤其在預(yù)測(cè)熱帶氣旋、大氣河流和極端溫度等重要天氣事件方面表現(xiàn)突出。

傳統(tǒng)NWP限制：傳統(tǒng)的數(shù)值天氣預(yù)報(bào)依賴(lài)于復(fù)雜的物理模型和大量計(jì)算資源，但不足以有效利用歷史天氣數(shù)據(jù)。

GraphCast的優(yōu)化：GraphCast通過(guò)直接從歷史數(shù)據(jù)學(xué)習(xí)，不僅提升了預(yù)報(bào)的精度，還顯著降低了對(duì)大規(guī)模計(jì)算資源的依賴(lài)。

數(shù)據(jù)驅(qū)動(dòng)的優(yōu)勢(shì)：GraphCast突破了傳統(tǒng)方法的局限，展示了機(jī)器學(xué)習(xí)在提煉和應(yīng)用大量歷史數(shù)據(jù)方面的潛能。

比較：他們將?GraphCast?與現(xiàn)在最準(zhǔn)確的中程天氣預(yù)測(cè)模型?HRES?進(jìn)行比較，發(fā)現(xiàn)在90%以上的項(xiàng)目中，都具有顯著優(yōu)勢(shì)。

嚴(yán)重天氣事件預(yù)測(cè)：GraphCast對(duì)于預(yù)測(cè)熱帶氣旋、大氣河流、極端溫度等嚴(yán)重天氣事件具有重要價(jià)值，這些預(yù)測(cè)對(duì)于防災(zāi)減災(zāi)、應(yīng)急響應(yīng)等領(lǐng)域至關(guān)重要。

跨領(lǐng)域應(yīng)用：它的應(yīng)用不限于天氣預(yù)報(bào)本身，還可能擴(kuò)展到農(nóng)業(yè)規(guī)劃、交通管理、能源分配等多個(gè)領(lǐng)域，提供更準(zhǔn)確的數(shù)據(jù)支持和決策輔助。

持續(xù)進(jìn)化的潛力：由于GraphCast基于機(jī)器學(xué)習(xí)，它能夠持續(xù)從新數(shù)據(jù)中學(xué)習(xí)和適應(yīng)，反映出天氣模式的變化，尤其在考慮到氣候變化的長(zhǎng)期趨勢(shì)下，這一點(diǎn)尤為重要。

觀點(diǎn)

天氣對(duì)地球上所有生物都具有深刻的影響。對(duì)于我們來(lái)說(shuō)，更是會(huì)直接影響我們的衣食住行等多個(gè)方面。而且，天氣預(yù)測(cè)一直以來(lái)都是一個(gè)巨大的難題。這個(gè)模型無(wú)疑是人類(lèi)科學(xué)的一大飛躍，而且，開(kāi)源的精神也是十分可貴。

在學(xué)術(shù)上，研究者可以多思考深度學(xué)習(xí)/機(jī)器學(xué)習(xí)如何引入到傳統(tǒng)學(xué)科或者是復(fù)雜系統(tǒng)中。并且，我們需要回歸到數(shù)據(jù)驅(qū)動(dòng)，而不是手工特征。

在商業(yè)上，對(duì)于依賴(lài)天氣預(yù)報(bào)的行業(yè)（如航空、農(nóng)業(yè)、保險(xiǎn)等），GraphCast能提供更快速、更準(zhǔn)確的數(shù)據(jù)支持，增強(qiáng)決策效率。而且，GraphCast技術(shù)的應(yīng)用或許催生新的服務(wù)和產(chǎn)品，如定制化天氣預(yù)報(bào)服務(wù)，為不同行業(yè)提供更具針對(duì)性的解決方案。

特邀作者：日本早稻田大學(xué)計(jì)算機(jī)系博士生? 王軍杰