微软推出首个基于 AI 的天气预报系统 Aurora,还能预测空气污染水平

微软在本周一发布了首个用于天气预测的大型大气基础模型 Aurora(极光),可实现天气和大气变化的高精度预报。据微软官方宣称,Aurora 是一个有着 13 亿参数的基础模型,同时还带有基于 3D 感知器的编码器和解码器。Aurora 经过超过一百万小时的不同天气和气候数据训练。Aurora 利用基础建模方法的优势,为各种大气预测问题(包括训练数据有限、异构变量和极端事件)提供业务预测。团队在预训练时分两个阶段对 Aurora 模型进行了优化,以最大限度地减少具有不同分辨率、变量和压力水平的多个异构数据集的损失,得

微软在本周一发布了首个用于天气预测的大型大气基础模型 Aurora(极光),可实现天气和大气变化的高精度预报。

Aurora是一个13亿参数的基础模型,用于天气和大气过程的高分辨率预报。Aurora是一款灵活的3D Swin Transformer,带有基于3D感知器的编码器和解码器。在预训练时,Aurora进行了优化,以最大限度地减少具有不同分辨率、变量和压力水平的多个异构数据集的损失。然后分两个阶段对模型进行微调 :( 1) 预训练权重的短前置时间微调 (2) 长前置时间 (rollout) 使用低秩自适应 (LoRA) 进行微调。然后部署经过微调的模型,以解决不同分辨率的各种运营预测场景。

据微软官方宣称,Aurora 是一个有着 13 亿参数的基础模型,同时还带有基于 3D 感知器的编码器和解码器。

Aurora 经过超过一百万小时的不同天气和气候数据训练。Aurora 利用基础建模方法的优势,为各种大气预测问题(包括训练数据有限、异构变量和极端事件)提供业务预测。

团队在预训练时分两个阶段对 Aurora 模型进行了优化,以最大限度地减少具有不同分辨率、变量和压力水平的多个异构数据集的损失,得以适应不同分辨率的各种运营预测场景。除此之外 Aurora 模型还有以下特性,IT之家整理官方介绍如下:

Aurora 能够在不到一分钟的时间内生成 5 天的全球空气污染预测和 10 天的高分辨率天气预报。

Aurora 在空气质量预测方面表现出色,能够以较小的计算成本提供与 CAMS(哥白尼大气监测服务)相当的预测。

Aurora 在 0.1° 精度下进行天气预测,能够准确预测极端天气事件,如风暴 Ciarán。

Aurora 在预测极端值方面优于现有的 AI 模型和数值天气预报模型。

Aurora  能够在多样数据集的预训练中表现出色,优于专门的深度学习模型和最先进的数值天气预测模型。

微软推出首个基于 AI 的天气预报系统 Aurora,还能预测空气污染水平

相关资讯

英伟达数字孪生地球“Earth-2”亮相 2024 台北电脑展,2 公里精确预测天气信息

在目前正在进行的黄仁勋台北电脑展 2024 主题演讲上,黄仁勋介绍了英伟达 Earth-2 数字孪生地球,该“地球”主要用于天气观测,基于英伟达 CorrDiff 生成式 AI 模型技术,号称融合了人工智能、物理模拟和观测数据,够从今天的数据来预测未来世界的影响。英伟达表示,相对于第一代 Earth 数字孪生地球,Earth-2 能够以 12 倍解析度(从 25 公里提高到 2 公里)精确预测天气信息,号称能够代表区域天气预测的巨大飞跃,同时据称能够提高 3000 倍能源效率。英伟达同时表示,Earth-2 未来还

谷歌前高管创办的 Brightband 公司获 1000 万美元融资,可用 AI 预测极端天气

据彭博社报道,由谷歌前高管创办的初创公司 Brightband 周四(今日)宣布,其已获得 1000 万美元(AI在线备注:当前约 7089.5 万元人民币)A 轮融资。该轮融资由 Prelude Ventures 领投,参与投资者包括贝恩资本旗下的 Future Back Ventures 和 Slack 联合创始人卡尔・亨德森。图源 Pexels该公司由前谷歌高管朱利安・格林和三位科学家于今年夏天创立,旨在利用 AI 技术改善天气预报。该公司目的是开发一款付费产品,以及一个基于原始天气观测训练的开源 AI 预测

人工智能帮助发现系外行星上的分子,甚至有一天可能会发现新的物理定律

编辑 | 萝卜皮你知道地球的大气是由什么组成的吗?你可能记得它是氧气,也可能是氮气。借助 Google 的一点帮助,您可以轻松得出更精确的答案:78% 的氮气、21% 的氧气和 1% 的氩气。大气可以表明行星的性质,以及它们是否可以承载生命。然而,当谈到外大气层——太阳系外行星的大气层——的组成时,答案是未知的。由于系外行星如此遥远,已证明探测它们的大气层极其困难。研究表明,人工智能 (AI) 可能是探索它们的最佳选择——但前提是能够证明这些算法以可靠、科学的方式思考,而不是欺骗系统。来自伦敦大学的研究人员提出了一