科技日报记者 陆成宽
高精度全球天气预报,往往意味着高算力成本。16日,中国科学院青藏高原研究所发布的“万拓”(One2N)气象大模型,正是针对这一成本难题给出的新方案。该模型仅用一张80GB显存显卡、约四周时间,就将全球预报模型的分辨率从约70公里细化到约7公里,并实现每2小时更新一次,为高分辨率地球系统模型的低成本构建提供了新路径。
把天气预报做细,难在算力。计算点间距缩小到原来的十分之一,计算点数量就要增加约100倍。传统做法是把整套模型从头重训一遍,每换一次精度就重来一次,成本很高。这也是高精度全球预报长期难以“日常化”的原因之一。
面对这道算力坎,中国科学院青藏高原研究所田向军研究员团队联合北京信息科技大学、北京大学以及中国科学院大气物理研究所等单位开发了“万拓”气象大模型。他们没有选择从头重训一个更大的模型,而是保留一个已经能用的粗分辨率预报模型,在它上面逐级加“补细节”的小模块。当然,想自己训练一个极粗分辨率的基线模型也不难:训练快、容易做准,代价低。田向军打了个比方:这就像画素描,先勾出总体轮廓,再一层层加深细节,而不是每画一笔都把整张画重来一遍。
“我们最想确认的是在完全不动原来模型的前提下,分辨率能不能真的提上去。”北京信息科技大学副教授王灿说。
具体来说,团队把原来的粗模型原样保留,新模块只学“还差哪些细节”,再把这些细节叠加到粗模型的预报上。由于不用从头训练一个大模型,训练时省下了大量计算和存储开销,细化成本也不会随着原模型变大而水涨船高。
团队用2023年120组个例做了10天全球预报评估。结果显示,“万拓”把预报做细了,常用预报指标却没有掉水平。在高空部分区域,反映天气形势的预报误差在12至240小时平均降低九成。和另一国际知名AI气象模型相比,在1300个检验目标中,约93.46%的目标上“万拓”误差更低;台风路径预报方面,对2023年84个热带气旋的检验显示,168小时路径预报误差的中间水平从1024.8公里降到339.4公里。
田向军表示,AI预报和传统数值预报不是谁取代谁,两条路线可以一起往前走。更重要的是,“万拓”把已有模型和新增细节分开。放到地球系统模式里,这意味着大气、海洋、陆地等分量今后可以保留原有部分不动,只对需要细化的部分逐级加新模块,不必每次升级都把整个系统推倒重来,从而降低升级的门槛和成本。
据悉,下一步,团队将把逐级加层的完整流程跑通,并面向青藏高原等目标区域,打造能精细到公里级、更新到分钟级的气象模拟工具,让本地观测转化为本地精度。

网友评论