Nature公式号にファーウェイの大型モデルが登場！レビュアー: 予測モデルの将来を再検討してもらいましょう

従来の方法よりも 10,000 倍高速で、24 時間の世界の天気予報を完了するのにかかる時間はわずか 1.4 秒です。これは Huawei Cloud の Pangu Weather Model からのものです。

本日、この論文は Nature に掲載されました。これは、中国のテクノロジー企業を唯一の署名単位として近年出版された初の Nature の公式論文であると言われています (つまり、唯一の署名単位です) Huawei Cloud の著者)。

写真

レビューアーからも高い評価をいただいており、人間が天気予報モデルの将来を見つめ直すことができるモデルです。

つまり、これにより、本来の伝統的な手法の香りがなくなってしまうということです。

写真

それでは、どのようにして開発されたのでしょうか?どのような重要な課題が解決されましたか?具体的な成果や応用例は何ですか？

この文書に従って、すべてを理解してください。

既存の AI 天気予報モデルの精度が不十分であるという問題を解決する

1920 年代以降、特に過去 30 年間、コンピューティング能力の急速な発展に伴い、従来の数値天気予報は大きな成功を収めてきました。天気予報、激甚災害警報、気候変動予測などの分野で成果を上げています。

しかし、コンピューティング能力の成長が鈍化し、物理モデルが徐々に複雑になるにつれて、この方法のボトルネックがますます顕著になってきます。

そこで研究者たちは、ディープラーニング手法を使用して将来の天気を予測するなど、新しい天気予報パラダイムを模索し始めました。

ファーウェイのクラウド研究開発チームは、2年前にこの分野の研究を開始しました。

彼らは、中長期予測など数値的手法が最も広く使用されている分野において、既存の AI 予測手法の精度が依然として数値的予測手法に比べて大幅に低く、予測能力の不足に悩まされていることが判明しました。解釈可能性と不正確な異常気象予測、制約およびその他の問題。

AI 天気予報モデルの精度が不十分である理由は主に 2 つあります。:# #第一に、既存の AI 天気予報モデルは 2D ニューラル ネットワークに基づいており、不均一な 3D 気象データをうまく処理できません。#第二に、AI 手法には数学的および物理的メカニズムの制約がないため、反復中にエラーが蓄積され続けます。反復プロセス。 ここで、Huawei Cloudの研究者は、複雑で複雑な均一3D気象データを処理するために、

(3DEST)を提案しました。大規模な盤古気象モデルを作成します。 主なアイデアは、ビジュアル トランスフォーマーの 3D バリアントを使用して複雑で不均一な気象要素を処理し、 階層的時間集約戦略を使用することです

、トレーニング済み 異なる予測間隔を持つ 4 つのモデル (それぞれ 1 時間間隔、3 時間間隔、6 時間間隔、24 時間間隔) 、予測を行う 反復回数特定の時間における気象条件の変化が最小限に抑えられるため、反復エラーが減少し、再帰的トレーニングによって引き起こされるトレーニング リソースの消費が回避されます。 各モデルをトレーニングするために、研究者らは 1979 年から 2021 年までの気象データを使用し、時間ごとにサンプリングし、100 エポックにわたってトレーニングしました。 各モデルには、192 枚の V100 グラフィックス カードで 16 日間のトレーニングが必要です。実際、100 エポック後でも、これらのモデルはまだ完全には収束していません。 つまり、コンピューティングリソースが十分にあれば、AIの予測精度はさらに向上する可能性があります。

第19回世界気象会議で、欧州気象庁も、Huawei Cloud Pangu気象モデルには否定できない精度があると指摘しました。純粋にデータ駆動型の AI 天気予報モデルは、欧州中期天気予報センターの運用数値モデルに匹敵する予測機能を実証しました。

欧州中期天気予報センター所長のフローレンス・ハビエ氏は、ファーウェイクラウド盤古気象モデルと欧州中期天気予報センターのリアルタイム運用検査の比較を詳細に実証した。

異常気象を捉える AI の能力を調査するために、私たちは今年 2 月にフィンランドでマイナス 29 度の寒波が観測された事例を研究しましたが、Pangu はこの現象の深刻さをより早く認識していたことがわかりました。 。

写真

フローレンス・ハビエ氏はまた、AI予測手法は大規模なスーパーコンピューティングリソースを必要としないため、消費リソースが少なく、発展途上国に重要な機会を提供できると強調しました。そして、世界規模の予測能力を向上させる貴重な機会を提供します。

Huawei CloudがAI天気予報の分野を「ブレークスルー」として選択したことについては、一方では天気予報、特に大雨、台風、干ばつ、寒波などの異常気象の正確な予測が重要です。 , は国際的な人々の生活に関係していますが、その一方で、気象予測の問題は非常に複雑です。AI は大量のデータから新しい大気の進化パターンを掘り出すことができ、精度と速度の向上に大きな可能性を秘めています。

世界気象機関 (WMO) が発表する予定の WMO 2024-2027 戦略計画は、人工知能の要素を吸収し、人工知能の開発を促進する重要な力となっていることが理解されています。気象科学と技術。

WMO はまた、ナウキャスティングや数値天気予報の分野における AI の実証応用を積極的に推進し、人工知能製品アプリケーションの国際比較プラットフォームを構築し、AI 気象アプリケーションの標準とガイドラインを策定し、AI の共有を促進します。人工知能データセットなどの関連作業、気象分野における AI の応用可能性を調査および活用し、国家早期警戒イニシアチブを効果的にサポートします。

未来への 3 つの鍵

最後に、Huawei Cloud Pangu Weather Model チームは AI 天気予報の将来をどのように見ていますか?

答えは 3 つの鍵です:

最初の、ビッグデータ。 AI モデルの基礎となるのは膨大な気象データです。現在、大規模な盤古気象モデルでは ERA5 再解析データの一部のみが使用されています。将来の AI モデルは、より洗練された大規模な全球観測データに基づいて構築される予定です。

2 つ目は、大きなコンピューティング能力です。気象データの超高解像度は、AI モデルのトレーニングに大きな課題をもたらします。Pangu 気象モデルの現在の入力解像度は 1440×720×14×5 ですが、気象データで一般的に使用されている解像度は 224×224×3 です。計算ビジョンタスク 約 500 回 解像度がさらに向上し、モデルが大きくなるにつれて、必要な計算リソースも急速に増加します。

最後に、ビッグモデル。複雑な気象法則、超高解像度、膨大なデータにより、AI 天気予報には非常に高い計算コストを伴う AI モデルの使用が必要になります。 同時に、最先端の AI 天気予報モデルを継続的に反復したい場合は、安定したクラウド環境、ワークスイート、および対応する運用とメンテナンスも不可欠です。

論文アドレス: https://www.nature.com/articles/s41586-023-06185-3

以上がNature公式号にファーウェイの大型モデルが登場！レビュアー: 予測モデルの将来を再検討してもらいましょうの詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。