네이처 서브저널, 상하이 공과대학, 푸단대학교, 중국 기상청, '예측성 사막' 돌파할 계절성 AI 대형 모델 '푸시(Fuxi)' 개발

편집자 | ScienceAI

2. 저자 | 복시팀

국무원에서 발표한 '고품질 기상발전 개요(2022~2035년)'에는 '주요 기상 예보'가 필요하다고 명시되어 있습니다. 한 달 먼저 처리한다”고 하는데, 이는 15일 이상의 아계절 기후예측 기술과 떼려야 뗄 수 없는 관계다.

하계절 기후 예측은 향후 15~60일 간의 이상 기후에 중점을 두고 있으며, 이는 농업, 수자원 보존, 에너지 및 기타 분야의 생산 준비에 중요한 지원을 제공할 수 있습니다.

유효 기간이 2주 미만인 단기 및 중기 일기예보에 비해 아계절 기후 예측은 불확실성이 더 큽니다. 초기 값 문제를 고려해야 할 뿐만 아니라 경계 강제의 영향도 고려해야 합니다. 예측 소스는 더 복잡하고 예측 기술은 더 낮습니다. 따라서 아계절 기후 예측은 항상 "예측 가능성 사막"으로 불려왔습니다. 그 복잡성으로 인해 시간 규모에 대한 대규모 AI 모델의 성능조차도 오랫동안 기존 모델을 능가할 수 없었습니다.

이 문제를 해결하기 위해 상하이 과학 지능 연구소(SIRI), 푸단대학교, 중국 기상청 국가 기후 센터가 공동으로 "Fuxi" 아계절 기후 예측 모델(FuXi -S2S), 처음으로 전통적인 수치 예측을 능가합니다. 모델 벤치마크 - 유럽 중기 기상 예보 센터(ECMWF)의 S2S 모델입니다.

최근 권위 있는 국제 종합 저널인 "Nature Communications"에 "A Machine Learning Model that Outperforms Conventional Global Subseasonal Forecast Models"라는 제목의 논문이 게재되었습니다.

기계 학습 모델인 "Fuxi" 아계절 기후 예측 모델은 비교적 포괄적인 변수를 포함합니다. 대규모 앙상블 예측을 빠르고 효율적으로 생성하여 약 7초 만에 최대 42일의 글로벌 일일 평균 예측을 완료합니다.

이 예측 정보는 농업 계획, 자원 관리, 재난 대비 및 폭염, 가뭄, 한파, 홍수와 같은 극심한 기상 현상으로부터의 보호에 매우 중요합니다.

"Fuxi" 대규모 아계절 기후 예측 모델은 두 가지 핵심 기술 혁신을 달성했습니다.
2. 대기-해상 상호작용 과정, 특히 가장 중요한 아계절 요인인 열대 대기 MJO(열대 대기 계절 내 진동)를 도입했습니다.

현재 기후 시스템 상태에서 미래 예측 시점의 기후 시스템 진화의 확률적 특성을 설명할 수 있는 잠재 공간의 지능형 섭동 생성 모듈을 혁신적으로 설계하여 기후 시스템의 물리적 불확실성.

이러한 기술 혁신으로 모델의 전체 강수량 예측 능력이 크게 향상되었으며, 특히 우리나라 양쯔강 중하류와 같은 온대 지역에서 더욱 그렇습니다.

그림: 프로세스 아키텍처 개요. (출처: 논문)

1. MJO는 열대 지방에서 중위도 및 고위도 지역에 영향을 미치는 주기적인 대기 순환 패턴입니다. MJO를 예측하면 기상학자와 기후학자가 앞으로 몇 주에서 몇 달 동안 강수 패턴, 폭풍 활동, 온도 변화, 가뭄 및 홍수와 같은 극단적인 기상 현상의 발생을 더 정확하게 이해하고 예측하는 데 도움이 될 수 있습니다.
2. "Fuxi" 대규모 아계절 기후 예측 모델은 MJO의 예측 기술을 효과적으로 향상시켜 ECMWF S2S 모델의 30일 기간을 크게 초과하는 36일에 도달했습니다.

그림: 2017년부터 2021년까지의 모든 테스트 데이터를 사용한 ECMWF 하위 계절별(S2S) 예측(파란색)과 FuXi-S2S 예측(빨간색) 간의 앙상블 평균의 실시간 다변량 Madden - MJO(율리우스 진동) (RMM) 비교를 위한 이변량 상관관계(COR)입니다. (출처: 논문)

또한 "Fuxi" 아계절 기후 예측 대형 모델은 돌출성 지도를 구축하여 극단적인 현상으로 이어지는 잠재적인 정보를 식별할 수도 있습니다. 이 기능은 2022년 파키스탄 홍수 동안 극심한 강우량을 예측하는 데 유용합니다. 측면이 확인되었습니다.

구체적인 프로세스는 먼저 아래 그림에서 녹색 상자로 표시된 파키스탄의 평균 강수량 이상 비율과 같은 손실 함수를 정의하고 모델 매개변수를 고정한 다음 역전파를 통해 기울기를 풀고 최종적으로 기울기를 출력하는 것입니다. 입력을 반영하기 위한 입력 이미지 픽셀의 파키스탄 강수 이상 비율에 대한 기상 요소의 양의 상관 관계 및 음의 상관 관계 효과.

"Fuxi" 하위 계절 기후 예측 모델의 강력한 예측 기능과 전구체 신호 식별 기능을 통해 기상 이변에 대처하기 위한 효과적인 도구와 전략을 제공할 수 있습니다.

그림: 파키스탄의 2022년 홍수 예측을 위한 ECMWF 아계절별(S2S) 모델과 FuXi-S2S 모델의 비교 분석 및 FuXi-S2S 모델에 의한 정확한 예측에 기여하는 전조 신호. (출처: 논문) 전망
과거에는 전 세계에서 소수의 국가만이 전통적인 수치예측 모델을 실시간으로 개발하고 운영할 수 있었습니다. 이들의 개발과 운영에는 많은 인력과 컴퓨팅 자원이 필요했으며 수천 명의 인력에 의존했습니다. 슈퍼컴퓨터의 CPU.
오늘날 Fuxi 기상 모델과 같은 AI 기반 모델은 더 빠르게 실행되고 훈련 후 더 적은 컴퓨팅 리소스를 필요로 하여 개발도상국에 보다 저렴한 옵션을 제공합니다.
인공지능은 기후변화 위험 관리 분야에서도 발전할 여지가 넓습니다. 이는 기후 과학의 연구 패러다임을 바꾸고, 기존 모델의 한계를 극복하며, 더 미세한 공간 해상도와 더 긴 시간 규모로 정확한 기후 위험 예측을 달성할 수 있습니다. 이 기술은 극한 기후 예측, 교통, 보험, 신에너지, 선물 거래, 도시 계획 및 기타 산업 분야에서 널리 사용될 것입니다.
현재 "Fuxi" 대형 아계절 기후 예측 모델은 여전히 ​​개선의 여지가 있습니다. 예를 들어 공간 분해능은 1.5도로, 이는 ECMWF 아계절 모델의 36km 공간 분해능에 비해 여전히 상대적으로 약합니다. 현재 예보는 일 평균 기온, 일 최고 기온 부족, 일 최저 기온 등입니다.
또한 "Fuxi" 하위 시즌 대형 모델은 현재 50hPa(100파스칼)에서 1hPa 또는 심지어 우주 근처까지 최대 압력 레이어를 높이는 방법을 모색하여 더 많은 적용 시나리오를 가능하게 합니다.
저자 소개
상하이 공과대학 연구원 Chen Lei, 푸단대학교 인공지능 혁신 산업 연구소 박사후 연구원 Zhong Xiaohui, 중국 기후 연구 공개 연구소 부소장 Wu Jie 기상청(Meteorological Administration)이 이 논문의 공동 제1저자입니다. Qi Yuan 상지연구소 소장이자 푸단대학교 하오칭 특훈교수, 상즈연구소 과학연구 부원장이자 푸단대학교 인공지능 혁신 및 산업 연구소 연구원인 Li Hao, 기후 연구 공개 연구소 연구원 Lu Bo 중국 기상청 소속 연구원이 해당 논문의 공동 저자입니다.
모든 저자: Lei Chen, Xiaohui Zhong, Hao Li#, Jie Wu, Bo Lu#, Deliang Chen, Shang-Ping Xie, Libo Wu, Qingchen Chao, Chensen Lin, Zixin Hu & Yuan Qi# (#은 커뮤니케이션 작성자를 나타냄)
논문 링크: https://www.nature.com/articles/s41467-024-50714-1

위 내용은 네이처 서브저널, 상하이 공과대학, 푸단대학교, 중국 기상청, '예측성 사막' 돌파할 계절성 AI 대형 모델 '푸시(Fuxi)' 개발의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!