北京2022年1月30日 /美通社/ -- 面對氣象領(lǐng)域不斷增長的計算規(guī)模和算力需求，近日，浪潮宣布對氣象應(yīng)用的大規(guī)模擴展和優(yōu)化取得諸多進展。如針對美國大氣研究中心(NCAR)、美國大氣海洋局(NOAA)和美國空間氣象局(AFWA)等共同開發(fā)的WRF模式，通過優(yōu)化IO和通信等，將WRF擴展到了24000 核，且與優(yōu)化前相比，WRF性能提升200%–300%。
作為人工智能計算全球領(lǐng)先公司，浪潮在人工智能與高性能計算技術(shù)的融合上，早已開啟了探索之路，在“基于模式預(yù)測數(shù)據(jù)構(gòu)建神經(jīng)網(wǎng)絡(luò)模型進行預(yù)測訂正”和“基于歷史觀測數(shù)據(jù)構(gòu)建神經(jīng)網(wǎng)絡(luò)模型進行降水預(yù)測”兩個研究方向上開發(fā)出多個神經(jīng)網(wǎng)絡(luò)模型。
一般來說，基于數(shù)值預(yù)報技術(shù)的現(xiàn)代天氣預(yù)報流程包含數(shù)據(jù)獲取和預(yù)處理、模式資料同化、模式集合預(yù)報和預(yù)報結(jié)果后處理四個環(huán)節(jié)。要想提高天氣預(yù)報的準(zhǔn)確度，一是提高時空分辨率，將網(wǎng)格精度從千米級提升到百米級；二是要模擬更接近真實環(huán)境的生物地球物理化學(xué)過程，這需要采集更多的觀測數(shù)據(jù)和開發(fā)更精細的氣候模式。因此，天氣預(yù)報的精度越高，就意味著需要處理的數(shù)據(jù)量越大，算力的需求越多。如第5次國際耦合模式比較計劃 CMIP5 輸出的數(shù)量總量超過 3 PB，而下一代 CMIP6 數(shù)據(jù)總量超過 30 PB，海量數(shù)據(jù)給處理、提取和解讀帶來巨大的挑戰(zhàn)。
氣象領(lǐng)域數(shù)據(jù)激增的趨勢促使人們開始探索新的計算技術(shù)，人工智能+高性能計算作為一種新的科學(xué)計算范式，得到了全球氣象研究機構(gòu)和科學(xué)家的重視。2019年，德國科學(xué)家Markus Reichstein等在Nature上發(fā)表了《“數(shù)據(jù)驅(qū)動型”地球系統(tǒng)科學(xué)領(lǐng)域的深度學(xué)習(xí)及其過程理解》一文，提出混合建模方法，將物理模型和機器學(xué)習(xí)結(jié)合起來以提升天氣和氣候預(yù)測能力；2021年初歐洲中期天氣預(yù)報中心ECMWF發(fā)布了其未來十年機器學(xué)習(xí)路線圖，提出將機器學(xué)習(xí)應(yīng)用在整個氣象預(yù)報流程中。其中，在觀測數(shù)據(jù)處理方面，機器學(xué)習(xí)將用于數(shù)據(jù)質(zhì)量控制和異常檢測等；在數(shù)據(jù)同化方面，機器學(xué)習(xí)將用于誤差訂正和數(shù)據(jù)分布由非高斯分布向高斯分布的轉(zhuǎn)換等；在數(shù)值預(yù)報方面，機器學(xué)習(xí)將替代某些參數(shù)化方案，建立機器學(xué)習(xí)-傳統(tǒng)物理模式混合模式，以及用于水文模式和研究人類的影響；在后處理方面，機器學(xué)習(xí)將用于降水降尺度、觀測和模式預(yù)報融合、集合預(yù)報后處理、極端降水后處理以及特征檢測等。
隨著人工智能與高性能計算的深度融合和氣象預(yù)報精度的不斷提升，人們對天氣的掌控也將更有力，而這一切的背后，既依賴于物理模型的發(fā)展、人工智能的創(chuàng)新，也離不開算力科技的支撐。
