天气预报 - AI在线

AI 预测蝴蝶效应？谷歌最新天气预报模型 SEEDS 登 Science 子刊

新智元报道编辑：Mindy【新智元导读】天气本质上是随机的，为了量化不确定性，传统方法通常需要高昂的成本来物理模拟大量预测。谷歌最新研究登 Science 子刊，用生成式 AI 模型高效生成规模化的天气预报集合，为天气和气候科学开辟了新的机会。1972 年 12 月，在美国华盛顿特区举行的美国科学促进会年会上，麻省理工学院气象学教授埃德・洛伦兹发表了题为「巴西一只蝴蝶的扇动是否会在得克萨斯引发龙卷风？」的演讲，这贡献了「蝴蝶效应」这一术语。在他 1963 年的一篇论文中，他发现在时间积分与数值天气预测模型里，即

物理与 AI 的融合，中国科学院大气物理研究所物理耦合图神经网络，提升降水预报技巧

编辑 | ScienceAI大模型时代，纯数据驱动的气象、气候模型效果逐渐追赶甚至赶超数值模式。然而，目前气象、气候大模型也仍然存在不少问题。比如物理一致性不高、辐散风预报效果不好等等，这些问题限制了对于降水等复杂天气气候现象的预测能力。目前，将物理、大气动力与深度学习模型结合成为提升模型能力，解决目前瓶颈问题的一条重要途径。近日，中国科学院大气物理研究所黄刚研究员团队基于地球系统数值模拟装置（寰）的数据和算力支持，从物理变量耦合关系角度出发，结合图神经网络对多变量进行物理软约束，提升了数值模式的降水预报技巧，在物

台式PC上可运行，DeepMind天气AI以0.25°分辨率预测全球10天内数百个天气变量，仅1分钟

编辑 | 萝卜皮全球中期天气预报对于许多社会和经济领域的决策至关重要。传统的数值天气预报使用增加的计算资源来提高预报精度，但无法直接使用历史天气数据来改进基础模型。Google DeepMind 团队介绍了「GraphCast」，一种直接从再分析数据训练的基于机器学习的方法。它可以在一分钟内以 0.25° 的分辨率预测全球 10 天内的数百个天气变量。研究人员用 1380 个验证目标进行了测试，GraphCast 在 90% 的验证目标中显著优于当前最准确的操作确定性系统，其预测支持更好的严重事件预测，包括热带气旋

华为基于AI「盘古气象」登Nature！比全球最好的数值天气预报系统IFS快10000倍以上

编辑 | 子罗天气预报早已融入人们的生活，但天气预报的数据从何而来，如何提高其准确性，AI 如何发挥其作用？天气预报是科学计算的重要应用，旨在预测未来的天气变化，特别是极端天气事件。目前，最准确的预报系统是数值天气预报（NWP）方法，它将大气状态表示为离散网格，并数值求解描述这些状态之间转变的偏微分方程。然而，这个过程的计算成本很高。最近，基于 AI 的方法已将天气预报速度提高几个数量级，但预报精度仍然明显低于数值天气预报方法。今年 4 月份，上海人工智能实验室发布「风乌」大模型，全球气象有效预报时间首破 10天。