新型AI模型Aardvark Weather：更快、更智能的天气预测新纪元

由英国和加拿大研究人员开发的一种全新的AI模型——Aardvark Weather，正在通过人工智能替代传统的天气模拟技术，以实现更高的成本效率和预测精度，成为全球天气预报领域的重大突破。

剑桥大学的研究人员与多伦多大学的矢量研究所及艾伦·图灵研究所共同揭示了这一研究成果。相关报告已发布在《自然》杂志上。

与传统预测工具不同，Aardvark Weather是一种“深度学习”模型，能够在多个压力水平下生成风速、湿度、地理电位和温度的全球预测数据。此外，它还能提供2米高度的温度和10米高度的风速等本地化预测。

“目前，天气预测管道中存在一些计算成本较高的组件。” 多伦多大学矢量学院的博士后研究员詹姆斯·雷克里玛（James Requima）告诉《解密》杂志，“我们已经能够用经过训练的轻量化模型替换这些耗时的部分，从而完成相同的任务，同时提升效率。”

通过优化这些组件，Aardvark Weather不仅能够更频繁地生成预测，还能以更高分辨率提供结果，显著提升了速度和准确性。

据Requeima介绍，团队设计了组件来逐一替换预测管道中的每个步骤，这些步骤涉及将原始观测数据转化为天气预报。他表示：“一旦将这些机器学习组件串联起来，整体性能便大幅提升。通过对整个管道进行微调，我们不仅能优化每个组件的功能，还能确保它们为最终目标做出最佳贡献。”

该项目还得到了微软剑桥研究院、欧洲中期天气预报中心（ECMWF）以及英国南极调查局的支持。

Aardvark Weather利用原始大气数据（如压力、温度和相对湿度测量值）生成高分辨率的全球和局部预测。该系统围绕三个神经组件构建：编码器、处理器和解码器。

• 编码器：将原始非结构化观测数据转换为大气的网格表示。
• 处理器：从网格数据中生成天气预报。
• 解码器：将预测转化为具体的本地化结果。

为了提高Aardvark的性能和准确性，其组件首先基于ERA5再分析数据（来自ECMWF的高质量历史数据集）进行了预训练，然后使用现实世界的天气观测数据进一步微调。

Requeima解释道：“一般而言，数据同化的运作方式类似于自回归过程。您从当前的大气预测开始，这是由一个大型动力学系统生成的，并估计其当前状态。在零时刻，您拥有这一初始状态。然而，数据同化还需要整合遥感设备提供的实时测量数据。因此，您可以将实际观测结果与模型预测结合，从而调整大气估算。”

大幅降低时间和成本

根据报告，相较于欧洲中期天气预报中心现有的高分辨率预测模型所需的数小时计算时间，Aardvark Weather仅需一秒钟即可利用四个NVIDIA A100 GPU生成全球范围的天气预测。

这种计算需求的显著减少使得资源有限的地区和机构也能获得高质量且可定制的天气预测服务。此外，模型的微调速度也大大加快。

Aardvark Weather加入了越来越多旨在帮助气象学家预测和应对极端天气事件的工具行列。例如，在2024年10月袭击美国东海岸的海伦飓风和米尔顿风暴中，预报员强调了人工智能在改进风暴强度预测方面的重要性。

展望未来，Requeima表示，团队计划开放Aardvark Weather，以使技术更加普及。

他补充道：“我认为这是推动天气建模民主化的重要一步，让公众更容易接触和使用这项技术。我们的希望是，这也代表了端到端天气建模的重大进步，尤其是通过数据驱动的机器学习方法。”

编辑：塞巴斯蒂安·辛克莱（Sebastian Sinclair）和乔什·奎特纳（Josh Quittner）