튜토리얼 포함: Microsoft Aurora의 컴퓨팅 속도가 5,000배 빨라졌으며, 극한의 날씨/대기 질/해일/사이클론 경로 등을 예측할 수 있습니다.

전 세계적인 기후 변화와 빈번한 자연재해로 인해 정확하고 신뢰할 수 있는 지구 시스템 예측은 재해의 영향을 완화하고 인간 사회의 진보를 지원하는 데 매우 중요합니다. 기존의 수치 모델은 강력하지만 계산 비용이 엄청나게 높아서 광범위한 적용에 제약이 있습니다. 최근 몇 년 동안 인공지능은 환경 예측 분야에서 큰 잠재력을 보여주었으며, 특히 예측 성능과 효율성을 개선하는 데 큰 역할을 했습니다. 그러나 지구 시스템의 몇몇 핵심 영역에서 AI의 잠재력은 여전히 크게 탐구되지 않은 상태입니다.

이러한 과제를 해결하기 위해Microsoft Research와 협력 기관은 최초의 대규모 대기 기초 모델인 Aurora를 공개했습니다.100만 시간 이상의 다양한 지구물리학 데이터에 대한 사전 학습과 여러 가지 특정 작업에 대한 미세 조정이 이루어졌습니다.대기 질, 해양 파도, 열대성 저기압 경로, 고해상도 날씨 등 다양한 지구 시스템 변수에 대한 정확한 예측을 달성합니다.컴퓨팅 비용을 크게 절감하는 동시에 기존 운영 체제의 성능을 뛰어넘고 고품질 기후 및 날씨 정보에 대한 광범위한 접근성을 촉진합니다. 그것은 증명되었습니다가장 진보된 통합 예보 시스템인 IFS와 비교했을 때, Aurora의 계산 속도는 약 5,000배 더 빠릅니다.

Aurora가 다양한 분야에서 달성한 구체적인 연구 결과는 다음과 같습니다.

* 대기 질 예측에서 Aurora는 5일간의 전 세계 대기 오염 예측에서 0.4° 해상도의 자원 집약적 수치 대기 화학 시뮬레이션보다 우수한 성과를 보였으며, 74% 목표보다 우수한 성과를 보였습니다.

* 해양파도 예측 분야에서 Aurora는 86% 대상에서 0.25° 분해능으로 10일 글로벌 해양파도 예측에서 값비싼 수치 모델을 능가했습니다.

* 5일간의 열대성 저기압 경로 예보에 대해 Aurora는 전반적으로 7개의 운영 예보 센터를 능가하여 모든 대상에 대해 처음으로 100% 초과율을 달성했습니다.

* 10일간의 글로벌 날씨 예보에서 Aurora는 0.1° 분해능에서 92% 대상에 대한 최첨단 수치 모델보다 우수한 성능을 보이는 동시에 극한 현상에 대한 예보 성능도 개선했습니다.

데이터 세트 측면에서,오로라는 예측, 분석, 재분석 및 기후 시뮬레이션을 포함한 광범위한 지구물리학 데이터를 다룹니다.이러한 데이터는 서로 다른 해상도, 변수 및 압력 계층을 가지고 있어 모델에 대한 풍부한 정보 소스를 제공합니다. 전처리 단계에서는 데이터가 모델에 입력할 수 있도록 표준화된 3차원 그래픽으로 균일하게 변환됩니다.

모델 구조 측면에서,Aurora는 3D Perceiver 인코더 및 디코더와 결합된 3D Swin Transformer 아키텍처를 사용합니다.이 모델은 인코더, 프로세서, 디코더의 세 부분으로 구성되어 있습니다. 인코더는 이기종 입력을 공통된 3D 잠재 표현으로 변환하고, 프로세서는 3D Swin Transformer를 통해 시간에 따라 앞으로 진화하며, 디코더는 잠재 표현을 다시 물리적 예측으로 변환합니다.

"지구 시스템의 기초 모델"이라는 제목의 관련 연구 논문이 Nature에 게재되었습니다.

서류 주소:

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

독자들이 Aurora의 강력한 기능을 보다 직관적으로 경험할 수 있도록 돕기 위해,HyperAI 공식 웹사이트의 "튜토리얼" 섹션에서 "오로라 대규모 대기 기본 모델 데모"를 이용할 수 있습니다.환경 거버넌스와 공중 보건, 지구 과학, 대기 예측 등 다양한 분야의 다양한 모델 사례를 담고 있습니다. 직접 체험해 보세요!

* 튜토리얼 주소:https://go.hyper.ai/J9hl5

신규 가입 사용자를 위해 깜짝 선물도 준비했습니다. "Aurora" 초대 코드를 사용하여 OpenBayes 플랫폼에 등록하면 RTX A6000을 4시간 무료로 사용할 수 있습니다(해당 리소스는 1개월 동안 유효합니다). 수량이 한정되어 있으니, 선착순으로 제공됩니다!

데모 실행

1. hyper.ai 홈페이지에 접속한 후, "튜토리얼" 페이지를 선택하고, "오로라 대규모 대기 기본 모델 데모"를 선택한 후, "이 튜토리얼을 온라인으로 실행"을 클릭하세요.

2. 페이지가 이동한 후 오른쪽 상단의 "복제"를 클릭하여 튜토리얼을 자신의 컨테이너로 복제합니다.

3. "NVIDIA A6000 48GB"와 "PyTorch" 이미지를 선택하고 "계속"을 클릭합니다. OpenBayes 플랫폼은 4가지 청구 방법을 제공합니다. 귀하의 요구 사항에 따라 "사용 후 결제" 또는 "일일/주간/월간 결제"를 선택할 수 있습니다. 신규 사용자는 아래 초대 링크를 사용하여 등록하고 RTX 4090 4시간 + CPU 자유 시간 5시간을 받으세요!

HyperAI 독점 초대 링크(복사하여 브라우저에서 열기):

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

4. 리소스가 할당될 때까지 기다리세요. 첫 번째 클로닝 과정은 약 2분이 걸립니다. 상태가 실행 중으로 변경되면 작업 공간을 클릭합니다.

5. 왼쪽 디렉토리 표시줄에서 프로젝트 이름을 두 번 클릭하여 사용을 시작하세요.

효과 시연

대기 질 예보

이 모델은 2022년 6월 11일의 0.4도 해상도의 CAMS 대기 질 데이터를 예로 들어 오로라 대기 질 모델을 실행합니다. 예측 효과는 아래 그림과 같습니다.

ERA5 예측

이 모델은 2023년 1월 1일의 ERA5 데이터를 기반으로 0.25도의 해상도로 실행되었습니다. 예측 효과는 아래 그림과 같습니다.

2022년 5월 11일의 IFS HRES 분석 데이터를 기반으로 실행 중인 Aurora(0.1도 분해능). 예측 효과는 아래 그림과 같습니다.

HRES T0 예측

이 모델은 2022년 5월 11일부터 0.25도의 해상도로 HRES T0 데이터를 선택하고 이 데이터에 대해 Aurora를 실행했습니다. 예측 효과는 아래 그림과 같습니다.

태풍 난마돌 예보 추적

태풍 난마돌의 경로를 예측할 때 모델은 0.25도 해상도의 2022년 9월 17일 HRES T0 데이터를 예시로 사용합니다. 예측 결과는 아래와 같습니다.