IBM宣布推出一種適用于各種天氣和氣候用例的新型AI基礎模型，該模型以開源形式提供給科學界、開發(fā)者和商業(yè)界。該模型由IBM和NASA共同開發(fā)，并得到了橡樹嶺國家實驗室的支持，提供了一種靈活、可擴展的方式來應對與短期天氣和長期氣候預測相關的各種挑戰(zhàn)。
由于其獨特的設計和訓練機制，天氣和氣候基礎模型可以解決的應用遠多于現(xiàn)有的天氣AI 模型，正如最近在arXiv上發(fā)表的一篇論文《Prithvi WxC：天氣和氣候基礎模型》中概述的那樣。潛在的應用包括根據當地觀測創(chuàng)建有針對性的預報、檢測和預測惡劣天氣模式、提高全球氣候模擬的空間分辨率，以及改進物理過程在數值天氣和氣候模型中的表示方式。在上述論文的一項實驗中，基礎模型從僅占原始數據5%的隨機樣本中準確重建了全球地表溫度，這表明其可以更廣泛應用于數據同化問題。
該模型已根據NASA的現(xiàn)代時代回顧分析研究與應用第2版（MERRA-2）中的40年地球觀測數據進行了預訓練。作為基礎模型，它具有獨特的架構，可針對全球、區(qū)域和本地規(guī)模進行微調，這種靈活性使其適合各種天氣研究。
基礎模型可在Hugging Face上下載，同時還有兩個經過微調的模型版本，用于解決特定的科學和行業(yè)相關應用，分別是：
氣候和天氣數據降尺度
降尺度是一種常見的氣象實踐，即從低分辨率變量推斷出高分辨率輸出。典型的數據輸入包括溫度、降水和地面風，所有這些都可以具有不同的分辨率。該模型可以以高達12倍的分辨率描繪天氣和氣候數據，生成局部預報和氣候預測。經過微調的降尺度模型可在Hugging Face上的IBM Granite頁面上找到。
重力波參數化
重力波在整個大氣中無處不在，可以影響許多與氣候和天氣有關的大氣過程，例如云層形成和飛機湍流。傳統(tǒng)上，現(xiàn)有的數值氣候模型未能充分捕捉重力波，這導致重力波究竟如何影響氣候過程存在不確定性。這種天氣和氣候基礎模型可以幫助科學家更好估計重力波的產生，提高數值天氣和氣候模型的準確性，并在模擬未來天氣和氣候事件時限制不確定性。這種重力波參數化模型是NASA-IBM Prithvi系列模型的一部分，在Hugging Face上發(fā)布。
