原文地址：http://news.sciencenet.cn/htmlnews/2023/4/498044.shtm
昨天，上海人工智能實驗室聯合中國科學技術大學、上海交通大學、南京信息工程大學、中國科學院大氣物理研究所及上海中心氣象臺發布全球中期天氣預報大模型“風烏”。該模型基于多模態和多任務深度學習方法構建，首次實現在高分辨率上對核心大氣變量進行超過10天的有效預報，并在80%的評估指標上超越DeepMind發布的模型GraphCast。與傳統模型相比，“風烏”在效率上大幅提升，僅需30秒即可生成未來10天全球高精度預報結果。 氣象專家介紹，盡管目前市面上有一些產品提供未來15天的氣象預報服務，但10天以上的預報性能還有很大不確定性。實踐證明，將觀測與數值預報和人工智能相結合，可有效提升數值預報準確性。“風烏”首次將全球氣象預報的有效性提高到10.75天，具有很大的業務應用價值。上海人工智能實驗室領軍科學家歐陽萬里表示，“風烏”取名自秦漢時期的“相風銅烏”，是世界上最早的測風設備。天氣預報大模型“風烏”不僅承載了中國古人的智慧，也寓意實驗室在氣象等AI for Science領域不懈探索。 30秒生成10天預報，誤差降低約20% 近年來全球氣候變化加劇，極端天氣頻發，各界對天氣預報的時效和精度的期待與日俱增。在氣象氣候預報任務中，全球中期天氣預報是最重要的預測任務之一，它以預測未來14天內的大氣系統狀態為目標，不僅是當前廣泛使用的集成天氣預測系統的基礎，也是區域性數值天氣預報系統的背景場和邊界條件。 囿于氣象觀測的準確度、大氣系統中物理過程的復雜性，以及求解大氣模型所需資源規模巨大，過去數十年間，全球中期天氣預報的有效性每10年才提高1天。隨著深度學習技術和框架的不斷成熟，人工智能為地球科學等領域帶來了全新研究思路。上海人工智能實驗室青年科學家白磊表示，“風烏”提供了一個強大有效的全球中期天氣預報的AI框架，其領先性體現在預報精度、預報時效和資源效率三方面。 在預報精度方面，“風烏”的10天預報誤差相較DeepMind的GraphCast降低了10.87%，相較傳統物理模型降低19.4%；在預報時效方面，此前全球最好的物理模型HRES的最大有效預報時長為8.5天，而“風烏”基于再分析數據達到了10.75天；在資源效率方面，現有物理模型往往運行在超級計算機上，而“風烏”AI大模型僅需單GPU（圖形處理器）便可運行，30秒即可生成未來10天全球高精度預報結果。 突破傳統氣象預報計算和性能瓶頸 高精度、長時效、高效率的背后，是上海人工智能實驗室AI for Earth聯合團隊提出的一種基于多模態多任務的深度學習方法。他們將此用于構建AI天氣預報模型，從而實現了對全球中期天氣進行快速、準確預報。由于不需要通過復雜的物理系統仿真，AI氣象預報模型突破了傳統預報方法的計算瓶頸，能夠高效進行預報和集成。同時，AI對氣象數據關系的強大擬合能力使其有潛力突破傳統數值模式預報中的性能瓶頸。 據介紹，“風烏”采用多模態神經網絡和多任務自動均衡權重，解決多種大氣變量表征和相互影響的問題。它將位勢、濕度、緯向風速、經向風速、溫度等大氣變量看作多模態信息，并從多任務的角度出發，自動學習每個大氣變量的重要性，使得多個大氣變量之間更好地協同優化。為了優化“風烏”的多步預測結果，團隊提出了“緩存回放”策略，以減少預測誤差，提高長期預測性能。從結果上看，“風烏”在6到10天的中期預報上，預報技巧顯著高于GraphCast。 未來，“風烏”AI氣象大模型可與傳統的物理模型形成互補，憑借其卓越的性能和精度，為生產生活提供更準確、更實用的天氣預報信息，助力天氣預報數字化，為農林牧漁、航空航海等行業及公共安全保障提供有力支持。上海人工智能實驗室AI for Earth團隊還將把AI技術應用到氣象、環境、天文、地質等更多地球科學問題的研究中，助力“碳中和”、防災減災、能源安全等重大需求。