華為雲盤古氣象大模型研究成果在《Nature》正刊發表

今天小編分享的互聯網經驗：華為雲盤古氣象大模型研究成果在《Nature》正刊發表，歡迎閲讀。

今日，國際頂級學術期刊《自然》 ( Nature ) 雜志正刊發表了華為雲盤古大模型研發團隊研究成果——《三維神經網絡用于精準中期全球天氣預報》（《Accurate medium-range global weather forecasting with 3D neural networks》）。數據顯示，這是近年來中國科技公司首篇作為唯一署名部門發表的《自然》正刊論文。《自然》審稿人對該成果給予高度評價：" 華為雲盤古氣象大模型讓人們重新審視氣象預報模型的未來，模型的開放将推動該領網域的發展。"

華為雲盤古氣象大模型是首個精度超過傳統數值預報方法的 AI 模型，速度相比傳統數值預報提速 10000 倍以上。目前，盤古氣象大模型能夠提供全球氣象秒級預報，其氣象預測結果包括位勢、濕度、風速、温度、海平面氣壓等，可以直接應用于多個氣象研究細分場景，歐洲中期預報中心和中央氣象台等都在實測中發現盤古預測的優越性。

今年 5 月，台風 " 瑪娃 " 走向受到廣泛關注。中央氣象台表示，華為雲盤古大模型在 " 瑪娃 " 的路徑預報中表現優異，提前五天預報出其将在台灣島東部海網域轉向路徑。在剛剛結束的第 19 屆世界氣象大會上，歐洲中期預報中心也指出，華為雲盤古氣象大模型在精度上有不可否認的能力，純數據驅動的 AI 天氣預報模型，展現出了可與數值模式媲美的預報實力。

華為雲盤古大模型研發團隊發現，AI 氣象預報模型的精度不足主要有兩個原因：第一，原有的 AI 氣象預報模型都是基于 2D 神經網絡，無法很好地處理不均勻的 3D 氣象數據；第二，AI 方法缺少數學物理機理約束，因此在迭代的過程中會不斷積累迭代誤差。為此，團隊創造性地提出了适應地球坐标系統的三維神經網絡（3D Earth-Specific Transformer）來處理復雜的不均勻 3D 氣象數據，并且使用層次化時網域聚合策略來減少預報迭代次數，從而減少迭代誤差。通過在 43 年的全球天氣數據上訓練深度神經網絡，盤古氣象大模型在精度和速度方面超越傳統數值預測方法。

未來，華為雲将聯合全球氣象機構，繼續探索并發揮 AI 在氣象領網域的應用潛力，為農林牧漁、航空航海等各行業提供支持。