首页 > 行业资讯 > Nature重磅！华为和清华，都为“它”助力而来！

Nature重磅！华为和清华，都为“它”助力而来！

时间：2023-07-08 来源： 浏览：

Nature重磅！华为和清华，都为“它”助力而来！

海之角 微算云平台
微算云平台

v-suan

做计算 找华算！电话：13129551561

收录于合集
【做计算 找华算】 理论计算助攻顶刊，10000+成功案例，全职海归技术团队、正版商业软件版权！
经费预存选华算，高至15%预存增值！
时至今日，人工智能早已在众多领域生根发芽。天气的精准预测，一直以来都是人们梦寐以求的终极梦想。尽管这些年大数据的发展，让天气预报越来越准确；但天有不测风雨，天气预报仍有改进的地方。
这不，2023年7月5日的最新Nature上，就发布了两篇有关天气预报的文章，分别来自华为云和清华大学。接下来，就让我们一探究竟吧。
1. 华为云：利用三维神经网络进行精确的中期全球天气预报
天气预报，对科学和社会都很重要。目前，最精确的预报系统是数值天气预报(NWP)方法，该方法将大气状态表示为离散网格，并用数值方法求解描述状态之间转换的偏微分方程。
然而，这个过程在计算上是昂贵的。最近，基于人工智能的方法已经显示出将天气预报速度提高几个数量级的潜力，但预测精度仍明显低于NWP方法。
在此，来自华为云的 Qi Tian 等研究者介绍了一种基于 人工智能的方法 ，可用于 准确的中期全球天气预报 。研究者表明，配备了地球特定先验的三维深度网络，在处理天气数据中的复杂模式方面是有效的，并且分层时间聚合策略减少了中期预报的累积误差。
与欧洲中期天气预报中心(ECMWF)的全球综合预报系统NWP系统相比，研究者的panu -Weather程序在39年的全球数据训练下，在所有测试变量的再分析数据上获得了更强的确定性预报结果。研究者的方法也适用于极端天气预报和集合预报。再分析数据初始化后，对热带气旋的跟踪精度也高于ECMWF-HRES。
相关论文以题为“ Accurate medium-range global weather forecasting with 3D neural networks ”于2023年07月05日发表在 Nature 上。
图1. 网络训练和推理策略
图2. Panu-Weather在ERA5数据的确定性预报中，比运行中的IFS和FourCastNet产生更高的准确性
图3. 预测结果的可视化
图4. Panu-Weather在气旋早期追踪方面比ECMWF-HRES更准确
图5. Panu-Weather天气的整体预报结果
据悉，这是继5月2日百度公司以第一单位在Nature上发表文章以来，这是中国又一家科技公司以第一通讯单位在Nature上发文。
由此可见，我国的科研水平的确是在稳步上升，发顶刊已不仅仅是科研院所的顶配，也将逐渐成为中国高科技公司的争夺场地。
2. 利用NowcastNet对极端降水进行熟练的临近预报
极端降水是造成气象灾害的一个重要因素，因此非常需要通过高分辨率、长提前期和当地细节的熟练临近预报，来减轻其社会经济影响。
目前的方法受到模糊、耗散、强度或位置误差的影响，基于物理的数值方法难以捕捉关键的混沌动力学，如对流起始，数据驱动的学习方法无法遵守内在的物理定律，如平流守恒。
在此，来自美国加州大学伯克利分校的 Michael I. Jordan & 清华大学的 龙明盛 & 王建民 等研究者提出了一种 极端降水的非线性近播模型NowcastNet ，它将 物理演化方案 和 条件学习方法 统一到 一个具有端到端预测误差优化的神经网络框架 中。
基于美国和中国的雷达观测，研究者的模式产生了物理上可信的降水临近预报，在2048公里× 2048公里的区域内具有明显的多尺度模式，提前时间可达3小时。在62位来自全国各地的专业气象学家的系统评估中，研究者的模型在71%的案例中排名第一。
NowcastNet提供了小到强降雨率的精确预报，特别是对伴随平流或对流过程的极端降水事件，这些事件以前被认为是难以处理的。相关论文以题为“ Skilful nowcasting of extreme precipitation with NowcastNet ”于2023年07月05日发表在 Nature 上。
图1. 极端降水临近预报的NowcastNet
图2. 始于2021年12月11日的降水事件的案例研究，美国东部出现了大对流细线和龙卷风爆发
图3. 中国江淮地区一次始于2021年5月14日的降水事件的案例分析，有几个对流单体和红色暴雨预警
图4. 气象学家对美国和中国数据集的评价和定量评价
作者简介
龙明盛，清华大学软件学院长聘副教授，博士生导师，机器学习研究组负责人，国家优秀青年科学基金获得者，入选北京市科技新星。2008和2014年从清华大学获得学士和博士学位，2014-2015年在加州大学伯克利分校担任博士后。
主要从事机器学习理论与算法方面的科研工作，专注于迁移学习、深度学习、科学学习及其在人工智能和系统软件中的应用。以第一/通讯作者发表CCF-A类期刊和会议论文70余篇，其中机器学习三大会议ICML/NIPS/ICLR论文30余篇，谷歌学术引用超过20000次，代表性论文单篇引用超过4000次，入选最具影响力论文3篇。担任TPAMI/AIJ/TMLR编委、ICML/NIPS/ICLR领域主席。获得清华大学优秀博士学位论文、中国人工智能学会优秀博士学位论文、中国知网最具影响力博士学位论文、IJCAI-FTL时间检验奖、教育部技术发明一等奖、北京市科技进步一等奖、AI 2000机器学习领域高影响力学者奖等。所指导的本科生获清华大学特等奖学金2人，指导/联合指导的研究生获中国计算机学会优秀博士学位论文1人、清华大学特等奖学金2人、清华大学优秀博士学位论文2人、清华大学优秀硕士学位论文5人。体系化讲授《深度学习》《机器学习》《人工智能导论》等课程，获清华大学年度教学优秀奖。
文献信息
Bi, K., Xie, L., Zhang, H. et al. Accurate medium-range global weather forecasting with 3D neural networks.  Nature  (2023). https://doi.org/10.1038/s41586-023-06185-3
Zhang, Y., Long, M., Chen, K. et al. Skilful nowcasting of extreme precipitation with NowcastNet.  Nature  (2023). https://doi.org/10.1038/s41586-023-06184-4
原文链接：
https://www.nature.com/articles/s41586-023-06185-3
https://www.nature.com/articles/s41586-023-06184-4
https://www.thss.tsinghua.edu.cn/faculty/longmingsheng.htm

【做计算 找华算】 华算科技专注DFT代算服务、正版商业软件版权、全职海归计算团队，10000+成功案例！Nature Catalysis、JACS、Angew.、AM、AEM、AFM等狂发顶刊， 好评如潮！
计算内容涉及OER、HER、ORR、CO 2 RR、NRR自由能 台阶图 、火山理论、d带中心、 反应路径、掺杂、缺陷、表面能、吸附能 等 。
添加下方微信好友，立即咨询 ：

电话/微信：13622327160

  点击阅读原文，立即咨询计算！

版权：如无特殊注明，文章转载自网络，侵权请联系cnmhg168#163.com删除！文件均为网友上传，仅供研究和学习使用，务必24小时内删除。
相关推荐
热门信息