(相關(guān)資料圖)

光明日?qǐng)?bào)北京7月9日電（記者張蕾）隨著算力增長(zhǎng)的趨緩和物理模型的逐漸復(fù)雜化，傳統(tǒng)數(shù)值預(yù)報(bào)的瓶頸日益突出，研究者開始挖掘新的氣象預(yù)報(bào)范式，例如使用深度學(xué)習(xí)方法來預(yù)測(cè)未來天氣。在數(shù)值方法應(yīng)用最廣泛的中長(zhǎng)期預(yù)報(bào)領(lǐng)域，現(xiàn)有的AI預(yù)報(bào)方法精度顯著低于數(shù)值預(yù)報(bào)方法，并受到可解釋性欠缺、極端天氣預(yù)測(cè)不準(zhǔn)等問題的制約。來自華為云的研究人員提出一種新的高分辨率全球AI氣象預(yù)報(bào)系統(tǒng)——盤古氣象大模型。作為首個(gè)精度超過傳統(tǒng)數(shù)值預(yù)報(bào)方法的AI模型，華為云盤古氣象大模型的預(yù)報(bào)速度是傳統(tǒng)數(shù)值模式的10000倍以上，能夠提供全球氣象秒級(jí)預(yù)報(bào)，預(yù)測(cè)結(jié)果包括位勢(shì)、濕度、風(fēng)速、溫度、海平面氣壓等，可以直接應(yīng)用于多個(gè)氣象研究細(xì)分場(chǎng)景。

華為云研發(fā)團(tuán)隊(duì)兩年前開始AI氣象方向的研究。他們發(fā)現(xiàn)，AI氣象預(yù)報(bào)模型的精度不足主要有兩個(gè)原因：一是現(xiàn)有AI氣象預(yù)報(bào)模型都是基于2D神經(jīng)網(wǎng)絡(luò)，無法很好地處理不均勻的3D氣象數(shù)據(jù)；二是AI方法缺少數(shù)學(xué)、物理的機(jī)理約束，在迭代過程中會(huì)不斷積累迭代誤差。為此，團(tuán)隊(duì)提出用適應(yīng)地球坐標(biāo)系統(tǒng)的三維神經(jīng)網(wǎng)絡(luò)處理復(fù)雜的不均勻3D氣象數(shù)據(jù)，并且使用層次化時(shí)域聚合策略減少預(yù)報(bào)迭代次數(shù)，從而減少迭代誤差。基于43年的全球天氣數(shù)據(jù)訓(xùn)練深度神經(jīng)網(wǎng)絡(luò)后，盤古氣象大模型在精度和速度上全面超越了傳統(tǒng)的數(shù)值預(yù)測(cè)方法。

談到為何選擇AI氣象預(yù)報(bào)領(lǐng)域作為突破口，華為云研發(fā)團(tuán)隊(duì)負(fù)責(zé)人表示：一方面，氣象預(yù)報(bào)尤其是對(duì)暴雨、臺(tái)風(fēng)、干旱、寒潮等極端天氣的精準(zhǔn)預(yù)測(cè)關(guān)乎國(guó)計(jì)民生；另一方面，氣象預(yù)測(cè)問題非常復(fù)雜，AI可以從海量數(shù)據(jù)中挖掘出新的大氣演變規(guī)律，在精度和速度上具有相當(dāng)大的提升潛力。“未來，華為云將聯(lián)合全球氣象機(jī)構(gòu)，繼續(xù)探索并發(fā)揮AI在氣象領(lǐng)域的應(yīng)用潛力，為農(nóng)林牧漁、航空航海等行業(yè)及公共安全領(lǐng)域提供有力的科技支持?！痹撠?fù)責(zé)人表示。

《光明日?qǐng)?bào)》（2023年07月10日?08版）