极端天气
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
1/25/2024 2:09:00 PM
ScienceAI
- 1
资讯热榜
标签云
人工智能
OpenAI
AIGC
AI
ChatGPT
AI绘画
DeepSeek
数据
机器人
模型
谷歌
大模型
Midjourney
智能
用户
开源
学习
GPT
微软
Meta
AI创作
图像
技术
论文
Stable Diffusion
马斯克
Gemini
算法
蛋白质
生成式
芯片
代码
英伟达
腾讯
神经网络
计算
研究
Sora
3D
Anthropic
AI for Science
AI设计
机器学习
GPU
开发者
AI视频
场景
华为
预测
百度
人形机器人
伟达
苹果
Transformer
深度学习
模态
xAI
字节跳动
Claude
大语言模型
搜索
驾驶
文本
神器推荐
具身智能
Copilot
LLaMA
算力
视频生成
安全
干货合集
视觉
应用
大型语言模型
科技
亚马逊
特斯拉
AGI
训练
2024