以下文章來源于高分子科學(xué)前沿?，作者高分子科學(xué)前沿

盤古是中國神話中的重要人物之一，被認(rèn)為是宇宙的創(chuàng)造者。盤古的創(chuàng)世故事在中國文化中有著深遠(yuǎn)的影響。他象征著宇宙的起源和創(chuàng)造力，也代表著生命的誕生與發(fā)展。在中國的文學(xué)、繪畫、雕塑和宗教信仰中，盤古形象經(jīng)常出現(xiàn)，并且被廣泛視為中國神話傳說中的重要角色之一。?最近，華為云帶領(lǐng)“盤古”登頂《Nature》！

“盤古天氣”準(zhǔn)確的中期全球天氣預(yù)報(bào)

天氣預(yù)報(bào)對科學(xué)和社會都很重要。目前，最準(zhǔn)確的預(yù)報(bào)系統(tǒng)是數(shù)值天氣預(yù)報(bào)（NWP）方法，它將大氣狀態(tài)表示為離散的網(wǎng)格，并以數(shù)值方式解決描述這些狀態(tài)之間轉(zhuǎn)換的偏微分方程。然而，此過程的計(jì)算成本很高。最近，基于人工智能的方法已經(jīng)顯示出將天氣預(yù)報(bào)的速度提高幾個(gè)數(shù)量級的潛力，但預(yù)報(bào)的準(zhǔn)確性仍然明顯低于數(shù)值天氣預(yù)報(bào)的方法。

在這里，華為云人工智能領(lǐng)域首席科學(xué)家田奇帶領(lǐng)團(tuán)隊(duì)開發(fā)了一種基于人工智能的方法用于精確的中程全球天氣預(yù)報(bào)。作者表明，配備有地球特定先驗(yàn)的三維深度網(wǎng)絡(luò)能夠有效地處理天氣數(shù)據(jù)中的復(fù)雜模式，而且分層的時(shí)間聚合策略能夠減少中程預(yù)報(bào)的累積誤差。在39年的全球數(shù)據(jù)上進(jìn)行訓(xùn)練后，作者的程序 "盤古氣象 "與世界上最好的NWP系統(tǒng)--歐洲中程天氣預(yù)報(bào)中心（ECMWF）的業(yè)務(wù)綜合預(yù)報(bào)系統(tǒng)相比，在所有測試變量上都獲得了更強(qiáng)的確定性預(yù)報(bào)結(jié)果。此方法對極端天氣預(yù)報(bào)和集合預(yù)報(bào)也有很好的效果。當(dāng)用再分析數(shù)據(jù)進(jìn)行初始化時(shí)，跟蹤熱帶氣旋的準(zhǔn)確性也高于ECMWF-HRS。相關(guān)成果以“Accurate medium-range global weather forecasting with 3D neural networks”為題發(fā)表在最新一期《Nature》上，華為云為唯一單位。

通過3D網(wǎng)絡(luò)進(jìn)行全球天氣預(yù)報(bào)

作者通過深度學(xué)習(xí)建立了天氣預(yù)報(bào)系統(tǒng)。該方法涉及到訓(xùn)練深度訓(xùn)練，將某一特定時(shí)間點(diǎn)的再分析天氣數(shù)據(jù)作為輸入，然后產(chǎn)生未來某一時(shí)間點(diǎn)的再分析天氣數(shù)據(jù)作為輸出。ERA5數(shù)據(jù)的時(shí)間分辨率為1小時(shí)；在訓(xùn)練子集中（1979-2017），有多達(dá)341,880個(gè)時(shí)間點(diǎn)。作者訓(xùn)練了四個(gè)深度網(wǎng)絡(luò)，準(zhǔn)備時(shí)間（輸入和輸出的時(shí)間差）分別為1小時(shí)、3小時(shí)、6小時(shí)和24小時(shí)。四個(gè)深度網(wǎng)絡(luò)中的每一個(gè)都被訓(xùn)練了100個(gè)紀(jì)元，在一個(gè)由192個(gè)NVIDIA Tesla-V100 GPU組成的集群上，每個(gè)都需要大約16天。

中程天氣預(yù)報(bào)的準(zhǔn)備時(shí)間是7天或更長。這促使作者反復(fù)調(diào)用基礎(chǔ)深度網(wǎng)絡(luò)，將每個(gè)預(yù)測結(jié)果作為下一步的輸入。為了減少累積的預(yù)測誤差，作者引入了分層時(shí)間聚合，總是調(diào)用具有最大可負(fù)擔(dān)的提前期的深度網(wǎng)絡(luò)。在數(shù)學(xué)上，這大大減少了迭代的次數(shù)。與使用固定6小時(shí)預(yù)報(bào)模型的FourCastNet2相比，此方法更快、更準(zhǔn)確。

確定性全球天氣預(yù)報(bào)

作者對ERA5的未擾動初始狀態(tài)進(jìn)行了確定性預(yù)報(bào)。然后，作者將盤古天氣與NWP和AI中最強(qiáng)的方法進(jìn)行了比較。盤古氣象的空間分辨率為0.25°×0.25°。盤古氣象的預(yù)報(bào)間隔為1小時(shí)，比FourCastNet少6倍。2018年的總體預(yù)報(bào)結(jié)果如圖2所示。對于每個(gè)被測試的變量，盤古氣象都比運(yùn)行中的IFS和FourCastNet報(bào)告的結(jié)果更準(zhǔn)確。

圖3是盤古氣象的3天預(yù)報(bào)結(jié)果的可視化圖。作者將其結(jié)果與運(yùn)行中的IFS和ERA5地面實(shí)況進(jìn)行了比較。盤古氣象產(chǎn)生了更平滑的等值線，這意味著該模型傾向于預(yù)測相鄰地區(qū)的數(shù)值。相比之下，運(yùn)行中的IFS預(yù)報(bào)就不那么平滑了。

追蹤熱帶氣旋

接下來，作者用盤古天氣來追蹤熱帶氣旋。作者將盤古氣象與ECMWF-HRES進(jìn)行了比較。如圖4所示，盤古氣象對這些氣旋的跟蹤結(jié)果統(tǒng)計(jì)上比ECMWF-RES更準(zhǔn)確。盤古氣象的氣旋眼3天和5天的平均直接位置誤差分別為120.29公里和195.65公里，小于ECMWF-RES的162.28公里和272.10公里。作者還在圖4中展示了西太平洋兩個(gè)最強(qiáng)氣旋 "金剛 "和 "玉兔 "的跟蹤結(jié)果。

集合天氣預(yù)報(bào)

作為一種基于人工智能的方法，盤古天氣比運(yùn)行中的IFS快10000多倍。這為作者提供了一個(gè)以小的計(jì)算成本進(jìn)行大成員集合預(yù)報(bào)的機(jī)會。作者通過簡單的平均預(yù)測結(jié)果得到了一個(gè)100人的合奏預(yù)測。如圖5所示，當(dāng)提前期為5-7天時(shí)，集合平均數(shù)明顯要好。集合預(yù)報(bào)對非平穩(wěn)變量，如Q500和U10帶來更多好處。與NWP方法相比，"盤古氣象 "在很大程度上降低了集合預(yù)報(bào)的成本，使氣象學(xué)家能夠運(yùn)用他們的專業(yè)知識來控制噪聲，提高集合預(yù)報(bào)精度。

小結(jié)

在本文中，作者介紹了盤古氣象，這是一個(gè)基于人工智能的系統(tǒng)，可以訓(xùn)練深度網(wǎng)絡(luò)，用于快速和準(zhǔn)確的數(shù)值天氣預(yù)報(bào)。主要的技術(shù)貢獻(xiàn)包括3DEST架構(gòu)的設(shè)計(jì)和分層時(shí)空聚合策略在中程預(yù)報(bào)中的應(yīng)用。通過對39年的全球天氣數(shù)據(jù)進(jìn)行訓(xùn)練，盤古氣象在再分析數(shù)據(jù)上產(chǎn)生了比世界上最好的NWP系統(tǒng)更好的確定性預(yù)報(bào)結(jié)果，同時(shí)速度也快得多。此外，盤古氣象在預(yù)測極端天氣事件和進(jìn)行集合天氣預(yù)報(bào)方面也很出色。盤古開天揭示了使用大型預(yù)訓(xùn)練模型進(jìn)行各種下游應(yīng)用的潛力，顯示了與其他人工智能范圍相同的趨勢。