世界

AI気象システムは99％少ないパワーを使用しながらスーパーコンピューターに匹敵します

紙からのU10風コンポーネント（10メートルの東方向の風速）のAardvark予測の例。 見出しの数学を分解すると、Aardvarkは処理時間を劇的に少なく使用します。 HRES：1,000ノード時間= 3,600,000ノード秒（1,000時間×3,600秒） aardvark：1秒×4 gpus = 4 gpu-seconds この進歩により、PCおよびクラウドベースのGPUアクセスを備えた気象学者が、国立気象サービスの天気予報を提供できるようになります。論文によると、Aardvarkの天気は「生の入力観測から出力予測までのマッピングを学習する代わりに、従来のNWPからの入力なしで予測を生成できる最初のエンドツーエンドのデータ駆動型の天候予測システム」です。これは、単一の統合システムで、従来の予測モデル（データの同化、数値予測、後処理）の複雑なチェーン全体を置き換えるため、重要です。 数桁少ない観測値 研究者は、「操作上のベースラインや数桁のコンピューティングが少ないものよりも数桁少ない観測を使用することが、Aardvarkが複数の変数とリード時間にわたって運用上のNWPシステムよりも低い根平方誤差を達成するグローバルな1.50°グリッドで予測を生成できることを実証しています。この低いエラー率は、広く使用されている根平均四方誤差（RMSE）メトリックを介して測定されますが、いくつかの重要な気象変数について、従来のシステムからの予測よりも実際の気象結果に密接に一致します。 Aardvarkは、「ポスト処理NWPよりも低いエラーを達成するローカル予測を提供し、複数のリードタイムのエンドツーエンドの運用予測システムを提供し、エンドツーエンドを最適化して、関心のある領域のパフォーマンスを最大化できます。」このカスタマイズの可能性は、さまざまな産業や地域の特殊な気象予測の作成を刷新する可能性があります。言い換えれば、従来のシステムを実行するためのリソースが不足している領域がアクセスできる洗練された予測を可能にする可能性があります。 天気予報を民主化する可能性 Aardvarkは、このチェーンを混乱させ、パイプライン全体を3つの相互接続されたニューラルネットワークモジュールに置き換えることを約束します。そのエンコーダーは、生の観測を直接摂取し、同化ステップと以前の予測の必要性をスキップして、大気のグリッドの初期状態を生成します。この状態から、プロセッサモジュールはグローバルな気象予測を生成し、時間内に前進します。最後に、タスク固有のデコーダーモジュールは、これらのグローバルな予測を特定の地理的位置の実用的なローカル予測に変換します。 研究者は、最初に数十年にわたる高品質の歴史的再分析データでシステムを事前に訓練し、次に希少な現実世界の観察を使用して微調整できます。これは、ライブ予測を生成する際に従来のNWPシステムの必要性を完全にバイパスしながら、限られた観察記録の課題に取り組みます。 ローカルステーションの予測は、最大10日間のリードタイムで熟練しており、ポスト処理されたグローバルNWPベースラインと、人間の予測者からの入力を備えた最先端のエンドツーエンドの予測システムと競合しています。 パフォーマンスと効率の向上にもかかわらず、Aardvarkの天気は、提示されているように、HRESやGFSなどの運用システムの完成した交換ではなく、基本的なステップです。研究者は、この論文のいくつかの制限を認めています。「現在のすべてのAI-NWPシステムと同様に、AardvarkはIFSの解像度でまだ実行されていません。グリッドの解像度を増やし、例えば拡散を介してアンサンブルを予測するために、さらなる作業は必要です。」彼らはまた、観察データの課題に注目しています。「他の制限は、観測の使用に集中しています。また、利用可能なトレーニングデータがない新しい機器からのデータをシステムに有用に統合する方法を考慮することも重要です。」研究者は、そのような欠点は「シミュレートされたデータに関するトレーニング」によって対処できることを示唆し、時間の経過とともに機器の変更に適応するために、最近のデータを定期的に微調整することを提案します。これらの課題にもかかわらず、著者は、「アードバークの天気は、多様な気象タスクの範囲に取り組んでいる「エンドツーエンドの天気予報システムの新世代の最初のものになる」と結論付けています。 #AI気象システムは99少ないパワーを使用しながらスーパーコンピューターに匹敵します