中国万拓气象大模型发布 低成本实现全球天气模型精细化

分享到:

中国万拓气象大模型发布 低成本实现全球天气模型精细化

2026年11月16日 20:12 来源:中国新闻网
大字体
小字体
分享到:

  中新网北京11月16日电 (记者 孙自法)中国科学院青藏高原研究所11月16日在北京发布万拓(One2N)气象大模型,可低成本实现全球天气模型精细化:在一块80 GB显存的显卡上、约4周时间,这套框架把已有的0.7°预报模型细化成为全球0.07°、每2小时更新一次的两级预报系统。

万拓气象大模型相关示意图。中国科学院青藏高原研究所 供图

  万拓气象大模型由中国科学院青藏高原研究所田向军研究员牵头,联合北京信息科技大学、北京大学、中国科学院大气物理研究所、国防科技大学、山东省科学院等单位合作者共同研发,相关成果论文近日在预印本平台arXiv上线。

  万拓提升预报精度降低台风路径误差

  田向军介绍说,万拓气象大模型的算法很朴素,起点是一个冻结的父模型,第1级的预报器,等于上一级的预报器加上一个该级特有的增量算子。

  其起点有两种:把现成的预报系统原样拿来当父模型;训练一个极粗分辨率的基线,训练又快又容易做准,代价很低。在两种起点之上,再逐级“加层”。其中,父模型可以是数值模式,也可以是数据驱动模型,或是两者的混合。

  万拓真正起作用的是训练时父模型参数冻结、梯度不穿过父模型、只训练新增的残差模块这三个约束,三者结合,使训练时无需为父模型保留用于反向传播的内部激活和参数梯度,也无需维护其优化器状态,从而避免训练时这部分额外显存开销。

  论文共同通讯作者、北京信息科技大学王灿副教授说,这一机制与渐进式增长、多网格训练,以及多模型级联等方法存在本质区别。后者要么需联合优化,要么梯度跨级传递,要么改动父模型权重。而万拓的父模型全程不动、不求导、不重训。

  基于2023年120组配对开展10天全球预报评估结果显示,万拓预报精度提升,台风路径误差降低。

  具体而言,万拓提升分辨率的同时未损失预报技巧,代表性对流层诊断量与父模型大体相当。与0.25°数据驱动预报盘古气象(Pangu-Weather)模型的对比显示,在1300个检验目标中,万拓有93.46%的均方根误差更低。

  在台风预报方面,对2023年84个热带气旋的检验显示,相较盘古,万拓的中位路径误差在24小时—168小时降低16.5%—66.9%;168小时的中位误差由1024.8公里降到339.4公里。

  推进“国产芯片+国产专业AI”自主组合

  田向军指出,万拓并非仅仅是一个“把天气预报做细”的技巧,其真正的价值是把“已有的能力”和“新增的能力”分开。地球系统模式由大气、海洋、陆面、冰冻圈、大气化学、碳循环等分量组成,每一轮升级都要面对同一个麻烦——改一个分量,整套模式往往要重新调参、重新耦合、重新验证。

  沿用万拓“冻结+增量”的思路,任何一个分量都可以在保持原有行为的前提下被细化或替换,其他分量不必推倒重来。对地球系统模式的构建来说,这意味着模式不再是“一次建成”的整体,而是由若干可以独立演进的分量,通过状态接口拼接而成,大幅降低了系统升级的门槛与成本。

  万拓把“重训整个模型”换成“冻结已有模型、只学增量”,高分辨率训练的成本不再随父模型规模膨胀,成功将分辨率从0.7°推到0.07°。

  “我们的目标不是再做一个更大的模型,而是让这套框架在高原上真正跑起来。”论文共同第一作者、中国科学院青藏高原研究所博士研究生谈艳艳说。

  田向军强调,人工智能(AI)与传统数值预报不该是竞争关系,两条路线可以携手向前,接下来,研究团队将把多级递归流程跑通,并给出成本随层级变化的实测数据。

  同时,万拓不是一个孤立的框架。研究团队未来将与合作伙伴一起,推进“国产芯片+国产专业AI”的自主组合,把万拓打造为面向青藏高原等目标区域的定制化“公里—分钟级”物理AI气象模拟器,兼顾“AI的轻量化部署”与“物理模型的精准性”,将本地观测变成本地精度,赋能千行百业。(完)

【编辑:胡寒笑】
发表评论 文明上网理性发言,请遵守新闻评论服务协议
本网站所刊载信息,不代表中新社和中新网观点。 刊用本网站稿件,务经书面授权。
未经授权禁止转载、摘编、复制及建立镜像,违者将依法追究法律责任。
Copyright ©1999-2026 chinanews.com. All Rights Reserved

评论

顶部