(相關資料圖)

本報訊（中青報·中青網(wǎng)記者張渺）國產(chǎn)AI登上國際學術期刊《自然》(Nature)了。北京時間7月6日，《自然》雜志發(fā)表了華為云盤古大模型研發(fā)團隊研究成果——《三維神經(jīng)網(wǎng)絡用于精準中期全球天氣預報》。論文顯示，盤古氣象大模型是首個精度超過傳統(tǒng)數(shù)值預報方法的AI模型，速度相比傳統(tǒng)數(shù)值預報提速1萬倍以上。

這是近年來中國科技公司首篇作為唯一署名單位發(fā)表的《自然》正刊論文?！蹲匀弧吩u價認為：“盤古氣象大模型讓人們重新審視氣象預報模型的未來，模型的開放將推動該領域的發(fā)展。”

20世紀20年代以來，特別是近30年隨著算力的迅速發(fā)展，數(shù)值天氣預報在每日天氣預報、極端災害預警、氣候變化預測等領域取得了巨大成功。但是隨著算力增長的趨緩和物理模型的逐漸復雜化，傳統(tǒng)數(shù)值預報的瓶頸日益突出。研究者們開始挖掘新的氣象預報范式如使用深度學習方法預測未來天氣。在數(shù)值方法應用最廣泛的領域如中長期預報中，現(xiàn)有的AI預報方法精度仍然顯著低于數(shù)值預報方法，并受到可解釋性欠缺，極端天氣預測不準等問題的制約。

盤古大模型研發(fā)團隊發(fā)現(xiàn)，AI氣象預報模型的精度不足主要有兩個原因：第一，原有的AI氣象預報模型都是基于2D神經(jīng)網(wǎng)絡，無法很好地處理不均勻的3D氣象數(shù)據(jù)；第二，AI方法缺少數(shù)學物理機理約束，因此在迭代的過程中會不斷積累迭代誤差。

為此，團隊創(chuàng)造性地提出了適應地球坐標系統(tǒng)的三維神經(jīng)網(wǎng)絡來處理復雜的不均勻3D氣象數(shù)據(jù)，并且使用層次化時域聚合策略來減少預報迭代次數(shù)，從而減少迭代誤差。通過在43年的全球天氣數(shù)據(jù)上訓練深度神經(jīng)網(wǎng)絡，盤古氣象大模型在精度和速度方面超越傳統(tǒng)數(shù)值預測方法。

今年5月，臺風“瑪娃”走向受到廣泛關注。來自國家氣象中心的消息稱，盤古大模型在“瑪娃”的路徑預報中表現(xiàn)優(yōu)異，提前5天預報出其將在臺灣島東部海域轉(zhuǎn)向路徑。在剛剛結(jié)束的第19屆世界氣象大會上，歐洲中期天氣預報中心也指出，盤古氣象大模型在精度上有不可否認的能力，純數(shù)據(jù)驅(qū)動的AI天氣預報模型，展現(xiàn)出了可與數(shù)值模式媲美的預報實力。

截至目前，盤古氣象大模型能夠提供全球氣象秒級預報，其氣象預測結(jié)果包括位勢、濕度、風速、溫度、海平面氣壓等，可以直接應用于多個氣象研究細分場景。研究團隊將聯(lián)合全球氣象機構(gòu)，繼續(xù)探索并發(fā)揮AI在氣象領域的應用潛力，為農(nóng)林牧漁、航空航海等各行業(yè)提供支持。