Tutorial Enthalten: Die Rechengeschwindigkeit Von Microsoft Aurora Wurde Um Das 5.000-fache Erhöht Und Es Kann Extreme Wetterbedingungen/Luftqualität/Meereswellen/Zyklonpfade Usw. Vorhersagen.

Angesichts des globalen Klimawandels und häufiger Naturkatastrophen sind genaue und zuverlässige Vorhersagen des Erdsystems von entscheidender Bedeutung, um die Auswirkungen von Katastrophen zu mildern und den Fortschritt der menschlichen Gesellschaft zu unterstützen. Obwohl herkömmliche numerische Modelle leistungsstark sind, sind ihre Rechenkosten extrem hoch, was ihre breite Anwendung einschränkt. In den letzten Jahren hat die künstliche Intelligenz im Bereich der Umweltprognosen großes Potenzial gezeigt, insbesondere bei der Verbesserung der Prognoseleistung und -effizienz. Allerdings ist das Potenzial der KI in mehreren Schlüsselbereichen des Erdsystems noch weitgehend unerforscht.

Um dieser Herausforderung zu begegnen,Microsoft Research und seine Partner haben Aurora vorgestellt, das erste groß angelegte atmosphärische Grundlagenmodell.Vortrainiert mit über einer Million Stunden unterschiedlicher geophysikalischer Daten und optimiert auf mehrere spezifische Aufgaben,Erzielen Sie genaue Vorhersagen mehrerer Variablen des Erdsystems, einschließlich Luftqualität, Meereswellen, Zugbahnen tropischer Wirbelstürme und hochauflösendem Wetter.Es senkt die Rechenkosten erheblich, übertrifft die Leistung bestehender Betriebssysteme und ermöglicht einen breiten Zugang zu hochwertigen Klima- und Wetterinformationen. Es ist bewiesen, dassIm Vergleich zum fortschrittlichsten integrierten Prognosesystem IFS ist die Berechnungsgeschwindigkeit von Aurora etwa 5.000-mal schneller.

Im Folgenden sind die spezifischen Forschungsergebnisse aufgeführt, die Aurora in verschiedenen Bereichen erzielt hat:

* Bei der Vorhersage der Luftqualität übertraf Aurora bei einer 5-tägigen globalen Luftverschmutzungsvorhersage ressourcenintensive numerische Simulationen der Atmosphärenchemie mit einer Auflösung von 0,4° und übertraf damit das 74%-Ziel.

* Im Bereich der Meereswellenvorhersage übertraf Aurora teure numerische Modelle bei der 10-tägigen globalen Meereswellenvorhersage mit einer Auflösung von 0,25° auf dem Ziel 86%;

* Bei der 5-tägigen Vorhersage der Zugbahn tropischer Wirbelstürme übertraf Aurora sieben operative Vorhersagezentren auf ganzer Linie und erreichte zum ersten Mal eine Übertreffungsrate von 100% für alle Ziele;

* Bei 10-tägigen globalen Wettervorhersagen übertrifft Aurora modernste numerische Modelle auf dem 92%-Ziel bei einer Auflösung von 0,1° und verbessert gleichzeitig die Vorhersageleistung für Extremwetterereignisse.

In Bezug auf Datensätze,Aurora deckt ein breites Spektrum geophysikalischer Daten ab, darunter Prognosen, Analysen, Reanalysen und Klimasimulationen.Diese Daten haben unterschiedliche Auflösungen, Variablen und Druckebenen und stellen eine reichhaltige Informationsquelle für das Modell dar. In der Vorverarbeitungsphase werden die Daten einheitlich in standardisierte dreidimensionale Grafiken umgewandelt, um sie in das Modell einzugeben.

In Bezug auf die ModellstrukturAurora verwendet eine 3D-Swin-Transformer-Architektur kombiniert mit einem 3D-Perceiver-Encoder und -Decoder.Das Modell besteht aus drei Teilen: Encoder, Prozessor und Decoder. Der Encoder transformiert heterogene Eingaben in eine gemeinsame latente 3D-Darstellung, der Prozessor entwickelt sich über einen 3D-Swin-Transformer in der Zeit vorwärts und der Decoder transformiert die latente Darstellung zurück in physikalische Vorhersagen.

Die zugehörige Forschungsarbeit mit dem Titel „A foundation model for the Earth system“ wurde in Nature veröffentlicht.

Papieradresse:

https://hyper.ai/cn/papers/s41586-025-09005-y

Um den Lesern zu helfen, die leistungsstarken Funktionen von Aurora intuitiver zu erleben,Die „Aurora Large-Scale Atmosphere Basic Model Demo“ ist jetzt im Abschnitt „Tutorials“ der offiziellen Website von HyperAI verfügbar.Enthält verschiedene Modellbeispiele aus mehreren Bereichen wie Umweltmanagement und öffentliche Gesundheit, Geowissenschaften, Atmosphärenvorhersage usw. Kommen Sie und erleben Sie es!

* Adresse des Tutorials:https://go.hyper.ai/J9hl5

Wir haben auch Überraschungsvorteile für neu registrierte Benutzer vorbereitet. Verwenden Sie den Einladungscode „Aurora“, um sich auf der OpenBayes-Plattform zu registrieren und 4 Stunden kostenlose Nutzung von RTX A6000 zu erhalten (die Ressource ist 1 Monat gültig). Die Menge ist begrenzt, wer zuerst kommt, mahlt zuerst!

Demolauf

1. Nachdem Sie die Homepage von hyper.ai aufgerufen haben, wählen Sie die Seite „Tutorials“, wählen Sie „Aurora Large-Scale Atmospheric Basic Model Demo“ und klicken Sie auf „Dieses Tutorial online ausführen“.

2. Klicken Sie nach dem Seitensprung oben rechts auf „Klonen“, um das Tutorial in Ihren eigenen Container zu klonen.

3. Wählen Sie die Bilder „NVIDIA A6000 48 GB“ und „PyTorch“ aus und klicken Sie auf „Weiter“. Die OpenBayes-Plattform bietet vier Abrechnungsmethoden. Sie können je nach Bedarf zwischen „Pay as you go“ oder „täglich/wöchentlich/monatlich“ wählen. Neue Benutzer können sich über den unten stehenden Einladungslink registrieren, um 4 Stunden RTX 4090 + 5 Stunden CPU-freie Zeit zu erhalten!

Exklusiver Einladungslink von HyperAI (kopieren und im Browser öffnen):

https://openbayes.com/console/signup?r=Ada0322_NR0n

4. Warten Sie, bis die Ressourcen zugewiesen wurden. Der erste Klonvorgang dauert etwa 2 Minuten. Wenn sich der Status in „Wird ausgeführt“ ändert, klicken Sie auf „Arbeitsbereich“.

5. Doppelklicken Sie auf den Projektnamen in der Verzeichnisleiste links, um ihn zu verwenden.

Effektdemonstration

Luftqualitätsvorhersage

Das Modell verwendet die CAMS-Luftqualitätsdaten mit einer Auflösung von 0,4 Grad am 11. Juni 2022 als Beispiel, um das Aurora-Luftqualitätsmodell auszuführen. Der Vorhersageeffekt ist in der folgenden Abbildung dargestellt.

ERA5-Vorhersage

Das Modell wurde mit ERA5-Daten vom 1. Januar 2023 und einer Auflösung von 0,25 Grad ausgeführt. Der Vorhersageeffekt ist in der folgenden Abbildung dargestellt.

Aurora läuft auf Basis von IFS HRES-Analysedaten vom 11. Mai 2022 (0,1 Grad Auflösung). Der Vorhersageeffekt ist in der folgenden Abbildung dargestellt.

HRES T0-Vorhersage

Das Modell wählte HRES T0-Daten vom 11. Mai 2022 mit einer Auflösung von 0,25 Grad aus und führte Aurora auf diesen Daten aus. Der Vorhersageeffekt ist in der folgenden Abbildung dargestellt.

Verfolgen Sie die Prognose des Taifuns Nanmadol

Bei der Vorhersage des Wegs des Taifuns Nanmadol verwendet das Modell die HRES T0-Daten vom 17. September 2022 mit einer Auflösung von 0,25 Grad als Beispiel. Die Vorhersageergebnisse werden unten angezeigt.