谷歌DeepMind研发的AI气象预报系统 – GenCast

GenCast指的是什么？

DeepMind最新推出的AI气象预测工具名为GenCast，该系统采用扩散模型技术进行构建，并能够提供长达两周的全球性天气预估服务。在与现有顶级中期天气预测平台ENS的对比中，GenCast于97.2%的任务范围内展现出更为卓越的表现，尤其是在极端气候事件预报方面有显著优势。相较于传统气象模型，GenCast仅需8分钟即可完成一次完整的预测过程，极大地提升了效率水平。值得注意的是，该系统已对外开放源代码和相关模型权重文件以供更广泛的天气研究者和技术社区使用及进一步开发。

GenCast的核心特性

• 长时间段气象预测呈现覆盖全世界未来15日的气象预测，并且每隔12小时便进行一次数据刷新。
• 高清预测分析该模型采用0.25°的经纬度精度进行运算，从而生成精细的预报结果。
• 组合预报不同于传统的单点预报方法，GenCast能够产生包含50种以上可能性的预测集锦，每一种都描绘了不同的气象路径发展情况，以此来体现结果中的不确定因素。
• 预报异常气候条件GenCast在预报诸如热浪、大风及热带 cyclone 等极端气象事件方面表现出色。
• 迅速预估利用Google Cloud TPU v5，GenCast能够在8分钟内完成对15天气象预测集的生成。

GenCast的核心技术机制

• 传播模型利用扩散型人工智能技术的一种创作模式，该模式应用于创造新的图像、视频及音乐等内容。这种模型通过逐步优化的方法，从随机噪音出发逐渐形成最终的目标样例。
• 地球表面的几何特性相适应GenCast尤其擅长适应地球的球面几何结构，能够精准地学习并生成未来天气状况的概率分布。
• 在给定条件下发生的概率分布GenCast模型预测了在当前及过往天气状况基础上的未来气象条件的概率分布。
• 神经系统布局GenCast采用了由编码器、处理单元及解码器构成的神经网络结构。其中，编码器负责将基于经纬度的输入数据转换为内部的学习表达形式；处理单元（即图变换器）则专注于分析相邻节点的信息；最后，解码器会把经过处理的数据重新映射回最初的网格布局中。
• 培训与预估GenCast基于ECMWF ERA5档案中的四十年历史气象资料进行了模型训练，掌握全球气候模式，并能自回归式地制作出未来15天的集合预测。
• 同时创建在每一个时间点上，都以随机噪音作为起点，并通过使用多种不同的噪音实例反复进行生成流程来创建一个预测集。

GenCast项目的仓库位置

• 官方网站:gencast-forecastsWithWeatherUpdates
• Git代码库：可在GitHub上找到由Google DeepMind维护的graphcast项目页面。
• arXiv科技文章本文链接提供了对最新研究成果的访问途径，该成果已被上传至ArXiv平台，具体路径为：https://arxiv.org/pdf/2312.15796。此文档包含了研究人员的详细发现和分析结果。

GenCast的使用情境

• 灾情防范及管控通过使用GenCast，可以预先识别出极端气候事件，从而协助政府部门及救助机构减轻自然灾害所引发的损害。
• 电力与资源调控在风电与光伏行业里，GenCast的精准预测服务提升了能量产出预估的准确性，并增强了能源使用效率。
• 农村发展规划GenCast协助农户规避天气变动引发的风险，并科学规划农业作业。
• 运输和供应链管理GenCast向航空与海上运输行业供应至关重要的气象数据，以保障航行的安全性和高效性。
• 城市的规划设计与发展建造GenCast协助城市规划师在应对气候变迁时设计更加具备环境适应性的基础建设。