NVIDIA生成式AI新突破：提前準確預警風暴，模擬高保真大氣動力學

智東西作者 ZeR0編輯 漠影

智東西8月22日報道，正值大西洋颶風季的高峰期，NVIDIA Research近日發佈了一款全新生成式AI模型StormCast，用於模擬高保真大氣動力學，可在中尺度（比風暴大但比氣旋小的尺度）上作出可靠的天氣預測。

這對於防災減災工作至關重要。颶風、龍捲風等極端天氣事件的發生頻率和嚴重程度不斷增加。極端天氣甚至會奪走生命、摧毀家園，僅在美國每年就造成超過1500億美元的損失。使用最新技術改善和加速氣候研究與預測愈發迫切。

開發高分辨率天氣模型需要利用AI算法解決對流問題。藉助生成擴散技術，StormCast可實現3公里的空間分辨率和每小時的時間分辨率。該模型在與降水雷達配合使用時，能夠提供最多提前6小時的預報，比美國國家海洋和大氣管理局最先進的區域天氣預報模型的準確度還高。

NVIDIA研究人員利用來自美國中部的約三年半美國國家海洋和大氣管理局（NOAA）氣候數據對StormCast進行了訓練，並使用NVIDIA加速計算加快計算速度。

StormCast的輸出結果可顯示符合物理學的逼真熱量和溼度動態，並能預測100多個變量，使科學家們首次能夠在AI天氣模擬中確認風暴浮力的真實3D演變過程。

論文地址：https://research.nvidia.com/publication/2024-08_kilometer-scale-convection-allowing-model-emulation-using-generative-diffusion

一、用生成式AI精準預測颱風，計算成本從近300萬降至6萬美元

NVIDIA Earth-2是一個集AI、物理仿真和計算機圖形於一身的數字孿生雲平臺，能以前所未有的準確性和速度在全球範圍實現天氣與氣候預測的模擬和可視化。

例如在臺灣地區，災害防救科技中心計劃使用Earth-2提供的一個NVIDIA生成式AI模型CorrDiff，來預測颱風的精細尺度細節。

CorrDiff可將模型分辨率從25公里提高到2公里，分辨率是以前的12.5倍，單次推理速度比傳統的方法快了1000倍，能源效率提高了3000倍。

這意味着該中心以前需要花費近300萬美元購買CPU才能完成的救援工作，現在只需花費約6萬美元就能在搭載NVIDIA Hopper Tensor Core GPU的單個系統上完成。

這一成本的大幅降低，表明生成式AI和加速計算能夠有效地提高能效和降低成本。

該中心還計劃使用CorrDiff預測城市地區的下沉氣流。因爲當強風以漏斗狀向下吹往街道時，就會損壞建築物並影響行人。

StormCast現在爲CorrDiff增加了每小時自迴歸預測功能，使得該模型可以根據過去的結果預測未來的結果。

二、將預報提前6小時，能顯示逼真熱量和溼度動態

全球氣候研究始於地區層面的研究。天氣和氣候變化造成的物理危害在不同地區之間存在顯著差異。但由於在中尺度上模擬基本的流體動力學運動需要很高的空間分辨率，因此在這一層面進行可靠的數值天氣預測，需要大量計算成本。

過去，區域天氣預報模型（通常稱爲對流容許模型，縮寫爲CAM）迫使研究人員不得不在分辨率、集合規模、可負擔性方面作出不同的權衡。

氣象學家可以使用CAM追蹤風暴的演變和結構並監測其對流模式或風暴形成時的構成方式。例如，龍捲風發生的概率取決於風暴的結構和對流模式。

CAM還有助於研究人員瞭解與天氣有關的物理危害對基礎設施層面的影響。例如，研究人員可以使用全球氣候模型模擬爲CAM提供參考，幫助它們根據大氣、河流含水量的緩慢變化，預測沿海易受災地區的山洪暴發。

在較低分辨率下，在全球數據上訓練而成的機器學習模型已能夠有效地模擬數值天氣預報模型，來改進嚴重事件的預警系統。這些機器學習模型的空間分辨率通常爲30公里左右，時間分辨率爲6小時。

如今，在生成擴散技術的幫助下，StormCast能夠實現3公里的空間分辨率和每小時的時間分辨率。

儘管尚處於起步階段，但該模型在與降水雷達配合使用時，已經可以提供最多提前6小時的預報，其準確度比美國國家海洋和大氣管理局（NOAA）最先進的3公里尺度CAM高出10%。

▲使用NOAA的地球靜止環境觀測衛星觀察中尺度對流系統（圖源：NOAA）

此外，StormCast的輸出結果可顯示符合物理學的逼真熱量和溼度動態，並且能夠預測100多個變量，例如在多個精細劃分的高度層上的溫度、水分濃度、風力和降雨雷達反射率值等。

這使科學家們首次能夠在AI天氣模擬中確認風暴浮力的真實3D演變過程。

三、朝着開發AI高分辨率天氣預報模型，邁出重要一步

科學家們已經在探究如何利用該模型的優勢。

The Weather Company創新負責人Tom Hamill談道，由於有序的雷暴和冬季降水會產生巨大的影響，而且對其作出可信預報的難度極大，因此製作計算上易處理的風暴尺度集合天氣預報是數值天氣預報領域所面臨的一項艱鉅挑戰。

在他看來，StormCast顯然是一個能夠應對此類挑戰的模型。“The Weather Company十分高興能與NVIDIA一起開發、評估並在未來使用這些深度學習預報模型。”Tom Hamill說。

科羅拉多州立大學大氣合作研究所機器學習負責人Imme Ebert-Uphoff認爲，開發高分辨率天氣模型需要使用AI算法解決對流問題，NVIDIA的這項新研究探索了利用StormCast等擴散模型實現這一目標的潛力，是朝着未來開發AI高分辨率天氣預報模型邁出的重要一步。

結語：超越傳統預報方法，AI引入氣候研究新範式

應對日益惡劣的極端天氣事件和氣候挑戰，快速發展的AI和加速計算能夠更好地模擬氣候條件，不僅有助於提高預測天氣狀況的準確性，對嚴重氣候災害進行儘早地預警與防範，而且能夠大幅降低計算成本，實現更節能的高分辨率模擬與可視化，減少對環境的影響。

從數字孿生地球到StormCast模型，以及與氣候研究機構的一系列合作，NVIDIA一直走在加速處理複雜天氣數據的前排，通過將AI技術與加速計算系統的結合，改善氣候研究，推動具有可操作性的極端天氣預測取得突破，從而幫助科學家應對拯救生命和世界的嚴峻挑戰。這項長期事業最終將使全球受益。