平台试图降低在天气研究中使用人工智能的障碍

人工智能正在推动我们处理天气预报的方式的地震转变，近年来，新的AI天气预测模型的一系列模型与传统模型具有许多潜在的优势。这些包括更快的速度，减少对计算资源的需求以及某些天气现象的预测性能提高，尤其是在较长时间内。

尽管这些新模型令人兴奋，但它们目前有一些重大的局限性，而且对于更广泛的限制也不容易研究社区适应和用于进一步的科学进步。

现在，美国国家科学基金会国家大气研究中心（NSF NCAR）发布了一个新平台，旨在使AI天气模型更容易访问。目标是使使用AI在天气研究的边界更容易地解决科学问题，并允许更多的研究人员重返扩大AI天气建模的功能。研究是出版在arxiv预印服务器。

领导NSF NCAR的机器学习科学工作的David John Gagne说：“当我们的团队开始建立我们的第一个AI天气模型时，我们几乎没有关于如何全面训练这些模型的公开指导。我们必须通过反复试验和与其他专家进行许多讨论来学习艰难的方式。”

“我们的目标是提供一个平台，使我们的研究社区可以轻松地在特定数据集上训练模型，然后将其配置为在我们可用的计算资源上运行，而无需成为专家人工智能或超级计算。我们希望降低进入的障碍，并将这项潜在的变革性技术与更多感兴趣的研究人员的手中。”

新平台称为社区研究地球数字情报双胞胎（信用），它具有三个重要部分：一个AI模型的库，多个预先准备的高质量数据集来训练这些模型，并访问高性能计算。最终，它允许研究人员在不同的模型体系结构和数据库之间进行选择，然后帮助他们训练模型，而无需广泛了解高性能计算。

迈向一种新型社区模型的第一步

NSF NCAR拥有丰富的遗产，为社区提供顶级，开源天气模型并提供培训和支持。最终，使用这些社区模型的人越多，他们获得的越好，因为用户可以贡献自己的改进和升级模型代码。

迄今为止，这些社区模型是传统的计算机模型，这意味着计算机求解了代表的方程式物理过程在大气中，从上升气流和下水道的小规模循环中造成了雷暴，使空气质量的大规模运动碰撞，形成了温暖的前沿和冷锋。这些模型建立在对大气物理学的理解之上，并且能够对天气如何在地球上展开提供极为现实的模拟。

但是这些模型有挑战。首先，增加模型分辨率以研究较小规模的本地化天气现象需要大幅度增加计算资源。例如，将模型的分辨率加倍（水平和垂直）需要增加16倍的计算能力。

这些模型的强烈计算需求还限制了可以运行模型的次数。在同一时期内运行多个模拟，称为合奏可以提供有关预测量的重要信息，但它也需要大量的计算能力。

传统模型也在我们对现象形式或行为如何不完整的科学理解的领域中挣扎，因此不能像使用数学方程式那样轻易表达。这些往往是固执难以准确预测的天气事件，例如飓风的快速加强或损害冰雹的增长。

AI天气模型有可能解决这些缺点。与传统模型不同，AI模型无法求解单个方程式。相反，他们在数据中寻找模式和关联，以洞悉接下来可能发生的事情。这种方法大大减少了计算需求，还允许模型找到方法来预测我们无法轻易编写方程式的现象。

总体而言，这种潜力和AI的快速发展导致了科技公司，非营利组织，政府机构和大学开发的大量新模型。但是这些模型有自己的缺点，包括很快就会迅速出现大错误。AI天气模型仅与训练它们的数据一样好。不同的问题可能需要使用不同的培训数据，这些数据本身可能很难源自AI模型。

信用是NSF NCAR首次尝试建立社区AI建模平台，以帮助促进地球系统科学研究的进步。在信用是强大的社区建模资源之前，仍有工作要做。特别是，NSF NCAR的社区模型的成功在很大程度上取决于NSF NCAR提供的详尽文档，培训和支持基础架构，并且该用户支持的生态系统尚未构建以供信贷。

尽管如此，可公开下载的信用软件还是将AI的力量掌握在更多地球系统研究人员手中的重要一步。

加格恩说：“我们希望科学家能够专注于他们的研究目标，而不是技术细节。”“从经验丰富的大气研究人员到刚开始旅行的学生，该框架使广泛的用户可以使用AI。”

与传统天气模型竞争

在建立和测试信用的过程中，NSF NCAR团队还建立了WXFormer，这是一种新的AI天气模型，专门用于天气研究问题，并解决了现有的AI天气建模的某些短缺，包括限制错误增长的新策略和允许短时间步骤。

大多数现有的AI天气模型以六小时的间隔提供信息，但是WXFormer可以每小时提供预测。WXFormer现在是研究人员可以在Credit库中选择的模型之一，以及其他公开发表的代码的模型。

NSF NCAR团队使用信用来训练和建立模型，测试了信用图书馆中的另一种AI模型WxFormer和Fuxi的性能，以反对整合的高分辨率预测系统（HRES-ifs）的预测，这是一个由欧洲中心天气预测中心开发的标准天气模型，该模型广泛地被认为是最佳的天气模型。

WXFormer和Fuxi都表明，对于大多数大气变量，它们可以提供相同或更好的预测。例如，科学家测试了模型如何预测劳拉飓风的轨道和强度，后者在2020年成为路易斯安那州西部的4类风暴。

他们发现，WXFormer在五天的时间内预测飓风的强度做得最好，尽管其预测的轨道太远了。每小时产生每小时预测的WXFormer版本可以更准确地捕获飓风的赛道，但预测五天后会有弱的风暴。

FUXI模型预测了五天的暴风雨，并且与WXFormer有类似的轨道错误。HRES-IFS模型还预测了五天的暴风雨非常弱，并且在AI模型的相反方向上有一些轨道误差。

总之，结果强调了信贷的潜力，并指出了未来工作的指示。该团队已经制作了更新的信用软件发布，以提高平台的用户友好性和可扩展性。

他们还在研究另一个可以模仿基于NSF NCAR的社区气氛模型（CAM）的AI模型，该模型是较大的社区地球系统模型的组成部分，该模型将海洋，大气，土地和冰的模型连接在一起。“启动器”将使AI建模更容易地集成到全球地球系统模拟中。

NSF NCAR的平行努力也为信贷的发展提供了基础，以建立“集成数据共享”，这将使组织的庞大数据集更容易访问培训AI模型。拥有高质量的数据是AI的基石，新的数据Commons将成为未来AI模型开发的基础。

Gagne说：“我们很高兴看到信贷可以帮助解决哪些问题，以及在更广泛的社区的帮助和参与下可以进行的问题。”“我们的目标是使信贷成为一个开放且协作的环境，其中各种专业知识的研究人员可以为该框架的发展做出贡献。”

提供NCAR和UCAR