IBM宣布推出一种适用于各种天气和气候用例的新型AI基础模型，该模型以开源形式提供给科学界、开发者和商业界。该模型由IBM和NASA共同开发，并得到了橡树岭国家实验室的支持，提供了一种灵活、可扩展的方式来应对与短期天气和长期气候预测相关的各种挑战。
由于其独特的设计和训练机制，天气和气候基础模型可以解决的应用远多于现有的天气AI 模型，正如最近在arXiv上发表的一篇论文《Prithvi WxC：天气和气候基础模型》中概述的那样。潜在的应用包括根据当地观测创建有针对性的预报、检测和预测恶劣天气模式、提高全球气候模拟的空间分辨率，以及改进物理过程在数值天气和气候模型中的表示方式。在上述论文的一项实验中，基础模型从仅占原始数据5%的随机样本中准确重建了全球地表温度，这表明其可以更广泛应用于数据同化问题。
该模型已根据NASA的现代时代回顾分析研究与应用第2版（MERRA-2）中的40年地球观测数据进行了预训练。作为基础模型，它具有独特的架构，可针对全球、区域和本地规模进行微调，这种灵活性使其适合各种天气研究。
基础模型可在Hugging Face上下载，同时还有两个经过微调的模型版本，用于解决特定的科学和行业相关应用，分别是：
气候和天气数据降尺度
降尺度是一种常见的气象实践，即从低分辨率变量推断出高分辨率输出。典型的数据输入包括温度、降水和地面风，所有这些都可以具有不同的分辨率。该模型可以以高达12倍的分辨率描绘天气和气候数据，生成局部预报和气候预测。经过微调的降尺度模型可在Hugging Face上的IBM Granite页面上找到。
重力波参数化
重力波在整个大气中无处不在，可以影响许多与气候和天气有关的大气过程，例如云层形成和飞机湍流。传统上，现有的数值气候模型未能充分捕捉重力波，这导致重力波究竟如何影响气候过程存在不确定性。这种天气和气候基础模型可以帮助科学家更好估计重力波的产生，提高数值天气和气候模型的准确性，并在模拟未来天气和气候事件时限制不确定性。这种重力波参数化模型是NASA-IBM Prithvi系列模型的一部分，在Hugging Face上发布。
来源：93913
稿件/商务合作： 向前（微信 Shixiangqian7）电话：18700987744
创始人：张明军（微信 13720775110）
更多精彩内容，请关注ARinChina微信公众号(ID:X增强现实)
评论