新平台CREDIT降低人工智能在天气研究中的应用门槛

美国国家科学基金会国家大气研究中心（NSF NCAR）近日发布了一个名为“社区研究地球数字智能孪生”（Community Research Earth Digital Intelligence Twin，以下简称CREDIT）的新平台，旨在降低人工智能在天气预报中的应用门槛。该平台的目标是使更多研究人员能够轻松使用AI技术解决前沿天气研究中的科学问题，并促进AI天气模型能力的进一步扩展。 NSF NCAR在天气模型研究方面有着悠久的历史，此前曾为社区提供了顶级开源天气模型并提供培训和支持。然而，传统计算机模型依赖于大气物理学的方程式，计算资源的需求随着模型分辨率的提高而急剧增加，比如水平和垂直分辨率翻倍就需要16倍的计算能力。这不仅限制了多次模拟同一时间段（即集合模拟）的能力，还影响了对某些天气现象，如飓风快速增强或冰雹生长的预测。相比之下，AI天气模型通过寻找数据中的模式和关联来预测天气，可以显著减少计算需求并在某些情况下提供更好的预测性能。 尽管如此，现有AI天气模型也存在一些缺陷，主要表现为小错误容易迅速放大以及对训练数据的质量高度依赖。为此，NSF NCAR团队开发了WXFormer这一新型AI天气模型，专门用于天气研究问题，以应对现有模型的一些不足。WXFormer采用了新的策略来限制误差的增长，并实现了每小时一次的天气预报。与大多数现有的AI模型相比，WXFormer提供更高频率的信息更新。 为了验证CREDIT的有效性，NSF NCAR团队使用该平台训练并测试了WXFormer和FuXi两个AI模型，并将其预报表现与欧洲中期天气预报中心开发的高性能标准天气模型HRES-IFS进行了对比。实验结果显示，WXFormer和FuXi在较长预报时程内对大多数大气变量的预测效果与HRES-IFS相当甚至更好。以2020年袭击路易斯安那州西部的四级飓风劳拉为例，WXFormer在预报其五天后的强度方面表现最优，但其路径预测偏低。而能够每小时预报的WXFormer变体则更精准地预测到了飓风路径，但在强度预测上偏差较大。HRES-IFS模型在强度和路径预测上都存在一定误差，不过方向不同。 这些结果突显了CREDIT平台的巨大潜力，并指明了未来的工作方向。目前，团队已发布了更新版本的CREDIT软件，提高了平台的用户体验和可扩展性。研究人员还在开发另一款AI模型，用以模仿NSF NCAR的社区大气模型（CAM），这是更大规模的社区地球系统模型的一个组成部分。该模型能够简化AI建模在全球地球系统模拟中的集成过程。同时，NSF NCAR正在进行一项平行项目，建立一个“集成数据共享库”，使组织内部大量高质量数据集更易于用于AI模型的训练。这将成为未来AI模型发展的基础。 “我们很高兴能够见证CREDIT如何帮助解决天气研究中的问题，并期待更广泛的社区参与和贡献。”NSF NCAR的机器学习科学负责人David John Gagne表示，“我们的目标是构建一个开放和合作的环境，让不同专业水平的研究人员都能参与到这个框架的演变中。” 业内专家认为，CREDIT的推出标志着天气预报领域的一个重要里程碑。它不仅降低了使用AI进行天气研究的技术障碍，还为进一步推动社区协作提供了强有力的工具。NSF NCAR作为天气研究领域的权威机构，此次发布的新平台有望成为未来气象科学研究的重要基础设施。