新智元报导 。
修改 ：桃子 润。猜测
【新智元导读】 。天全谷歌DeepMind再次在科学细分范畴——气候预告迈出重要的球气d全I气一步 。全新AI模型GraphCast可在1分钟内，候谷候预精准猜测10天全球气候，报登乃至还能够猜测极点气候事情 。碾压
不到1分钟 ，职业高精度猜测出10天的分钟全球气候
。
ChatGPT之后，猜测又一个AI模型的天全才干再次冷艳了全国际！
从15日最初 ，球气d全I气未来十天的候谷候预全球气候状况 。
它便是报登 ，谷歌DeepMind团队提出全新的碾压全球气候预告模型——GraphCast ，最新研讨登上Science 。
论文地址 ：https://www.science.org/doi/10.1126/science.adi2336 。
现在气候预告的干流方法便是「数值气候预告」（NWP） ，运用杂乱的算法求解物理方程 ，既耗时又贵重 。
而深度学习模型GraphCast在欧洲中期气候预告中心 （ECMWF） 近40年的数据上进行练习 ，来了解气候怎样随时刻演化 。
研讨发现 ，与职业黄金规范气候模仿体系——高分辨率预告（HRES）比较，GraphCast在1380个测验变量中准确猜测超越90% 。
而且，尽管GraphCast没有经过捕捉恶劣气候事情的练习 ，还能比传统预告模型更早地辨认出恶劣气候事情 。
GraphCast能够猜测未来气旋的潜在途径 ，比曾经的方法要早3天 。
猜测未来气旋 。
它还能够辨认与洪水风险相关的大气河流 ，并猜测极点温度的最初 。
猜测极点温度和大气河流 。
面临大自然的无情灾祸 ，GraphCast经过提早供给精准 、高效的预警 ，再次推进AI在气候预范畴向前迈出了重要一步 。
气旋盯梢（左）：跟着猜测气旋运动的提早时刻添加，GraphCast坚持比HRES更高的准确性 。
大气河流（右） ：在整个10天为周期的猜测中 ，GraphCast的猜测差错显着低于HRES 。
值得一提的是 ，GraphCast模型的源代码现已悉数敞开 ，然后让国际各地的科学家和预告员能够谋福全球数十亿人。
图为GraphCast 10天翻滚猜测的一部分 ，显现了700百帕（距地上约3公里）的湿度、地上温度和地上风速 。
全球最准确气候预告模型GraphCast 。
刚刚说到的数值气候预告（NWP）这种传统的方法 ，首要需求界说物理方程 ，然后将其转化为在超级核算机上运转的核算机算法 。
但NWP的缺陷是 ，计划方程和算法十分耗时 ，需求深沉的专业知识和贵重的核算资源 ，才干做出准确的猜测 。
刚好 ，深度学习供给了一种不同的方法 ：经过数据，而不是物理方程来创立气候预告体系 。
GraphCast仅仅是需求两组数据作为输入 ：6小时前的气候状况和现在的气候状况，并猜测未来6小时的气候 。
然后 ，该进程能够以6小时为增量向前翻滚，最多能够提早10天供给最先进的猜测 。
GraphCast的背面是一个神经网络架构，根据「编码-处理-解码」装备中的GNN ，总共有3670万个参数。
代码、权重和演示都现已揭露在：https://github.com/google-deepmind/graphcast 。
编码器（下图D）运用单个GNN层将输入网格上标明为节点特点的变量（规范化为零均值单位方差）映射到内部「多网格」标明上的学习节点特点。
多网格（The multi-mesh）（下图G）是一个空间均匀的图，在全球规模内具有高空间分辨率。它是经过迭代六次细化正二十面体（12 个节点、20 个面 、30 个边）来界说的 ，其间每次细化将每个三角形划分为四个较小的三角形（导致面和边添加四倍），并将节点从头投影到球体上。
多网格包含来自最高分辨率网格的40962个节点（大约是 0.25° 处纬度/经度网格点数量的 1/25） ，以及中心图中创立的所有边的并集，构成不同长度的平面层次结构的边际 。
处理器（图E）运用16个非同享GNN层在多重网格上履行学习音讯传递 ，然后以很少的音讯传递过程完成高效的本地和长途信息传达 。
解码器（图F）将从多网格标明中学习到的终究处理器层特征映射回经纬度网格 。它运用单个GNN层 ，并将输出猜测为最新输入状况的残差更新（经过输出归一化来完成方针残差的单位方差） 。
如下是，GraphCast建模的气候变量和等级。
研讨人员经过将GraphCast与HRES在许多变量 、水平缓交给周期上的准确性进行比较 ，全面验证 GraphCast 的猜测才干 。
他们运用两个技术指标来量化GraphCast 、HRES和ML基线的各自技术 ：均方根差错 (RMSE) 和反常相关系数 (ACC) 。
上图（a到c）显现了GraphCast（蓝线）在Z500（500 百帕高度的位势）「headline 」场上的RMSE技术 、RMSE技术得分（skill score ，即模型A与基线B之间的归一化RMSE差异 ，界说为（RMSEA - RMSEB）/（RMSEB））和 ACC技术方面怎样优于HRES（黑线） 。
因而 Z500 在气候学上十分重要 ，因此运用Z500标明同步标准气压散布在文献中很常可可见 。图表显现 ，GraphCast 在所有前导时刻内的技术得分都更高 ，技术得分进步了约 7%-14% 。
上图D以类似于ECMWF记分卡的格局总结了10天猜测中所有1380个评价变量和压力水平的RMSE技术得分 。
单元格色彩与技术得分成正比 ，其间蓝色标明GraphCast具有更好的技术 ，赤色标明HRES具有更高的技术。
GraphCast在1380个方针中的90.3%上优于HRES ，而且在89.9%的方针上显着优于HRES（p ≤ 0.05 ，标称样本巨细 n ∈{729, 730}） 。
当扫除50 hPa水平常，GraphCast在其他1280个方针中的96.9%上显着优于HRES。当扫除50和100 hPa水平常 ，GraphCast在1180个剩下方针中的99.7%上显着优于HRES 。
极点气候预警 ，提早9天确认飓风 。
研讨人员的剖析还标明 ，GraphCast还能比传统预告模型更早地辨认出恶劣气候事情，尽管它没有经过寻觅恶劣气候事情的练习 。
这是GraphCast未经过专门练习的要害下流使用 ，但对人类十分重要 。
这说明GraphCast能够协助人类针对极点气候提早做好预备 ，削减风暴和极点气候对社区的影响 。
经过在GraphCast猜测中直接使用简略的气旋盯梢器 ，新模型能够比HRES模型更准确地猜测气旋的移动 。
本年9月 ，谷歌在ECMWF网站上布置的GraphCast模型实时揭露版别，提早约9天准确猜测出飓风Lee将在Nova Scotia登陆 。
比较之下 ，传统猜测在登陆地址和时刻上的变数更大，仅仅是能提早大约6天的时刻确认Nova Scotia 。
GraphCast 还能够描绘大气河流的特征——大气中的狭隘区域将大部分水蒸气运送到热带以外的区域 。
大气河流的强度能够标明它是会带来有利的降雨仍是会引发洪水。GraphCast猜测能够协助确认大气河流的特征 ，这有助于与猜测洪水的人工智能模型一同拟定应急方案 。
而在气候变暖的大环境下 ，猜测极点温度的重要性日积月累 。GraphCast能够描绘地球上全部特定地址的高温何时会超越前史最高温度 。
这在猜测热浪方面特别有用 ，因此热浪是一种破坏性的风险事情 ，而且越来越常可可见。
进步热带气旋盯梢的准确性有助于防止人员伤亡 ，并削减经济损失 。上图A显现2018年至2021年GraphCast的中位盯梢差错低于HRES（挑选中位值是为了反抗反常值） 。
因而HRES和GraphCast的每轨差错是相关的 ，研讨人员还测量了两个模型之间的每轨配对差错差异 ，发现GraphCast 在18小时到4.75天的交给周期内显着优于HRES 。
大气河流是大气中的狭隘区域 ，担任中纬度区域向极地的大部分水汽运送 ，并发生美国西海岸30%-65%的年降水量 。它们的强度能够经过笔直整合的水汽运送IVT来表征 ，标明大气事情是否会供给有利的降水仍是引发灾难性祸害 。
上图C显现 ，与HRES比较 ，GraphCast改善了IVT的猜测 ，从短交给时刻的25%进步到较长时刻规模的10%。
极热和极冷气候的特点是与典型气候比较存在较大反常，这可能是风险的并会打乱人类活动。
研讨人员评价了HRES和GraphCast在跨地址 、一天中的时刻和一年中的月份猜测前2%气候学事情的才干 。
图D显现GraphCast的准确召回曲线在5天和10天的提早时刻内高于HRES，这标明GraphCast在较长时刻规模内的极点分类方面的猜测一般优于HRES 。
比较之下 ，HRES在12小时前置时刻内具有更好的准确召回率 ，这与GraphCast相关于HRES的2T技术得分接近于零是共同的 ，如图D所示 。
AI气候的未来 ，数十亿人获益 。
谷歌DeepMind称 ，GraphCast是国际上最准确的10天全球气候预告体系，能够比以往更远地猜测未来的极点气候事情 。
跟着气候形式在不断改变的气候中演化 ，GraphCast将跟着更高质量数据的呈现而开展和改善。
与此同时，谷歌还开源了模型的代码。希望未来其他研讨人员用其带来的可能性 ，从针对特定气候现象定制模型 ，到针对国际不同区域优化模型。
现在 ，包含ECMWF在内的气候组织 ，现已在对GraphCast进行实时试验 。
别的，GraphCast与谷歌DeepMind和谷歌研讨院的其他最先进的气候预告体系一同用于气候猜测 。
包含Nowcasting（提早90分钟做出预告的区域性模型） ，以及MetNet-3（在美国和欧洲运转的区域气候预告模型 ，可做出比其他全部体系都更准确的24小时预告）。
要是咱们能够率先将AI用于气候预告 ，将使数十亿人的日常日子获益 。
可是 ，谷歌标明，「咱们更广泛的研讨不仅仅是是关于猜测气候 ，而是关于了解人类气候的更广泛形式 。
经过开发新东西和加快研讨，谷歌希望AI能够增强全球社会应对最大环境应战的才干 。
在看了研讨介绍之后 ，网友标明，谷歌你快出个使用啊！
关于气候预告的才干，许多网友标明，现在现已能够希望预告的精密度到不同大街，而且准确到分钟了。
参照资料 ：
https://deepmind.google/discover/blog/graphcast-ai-model-for-faster-and-more-accurate-global-weather-forecasting。
https://www.nature.com/articles/d41586-023-03552-y 。
产品展示 
联系方式