En la tarde del 21 de septiembre de 2023, en el foro especial MindSpore de Huawei Connect2023 con el tema "Acelerar la inteligencia industrial", la comunidad de código abierto MindSpore lanzó el kit de ciencias de la Tierra MindSpore Earth 0.1.
Este conjunto integra el modelo SOTA de pronóstico meteorológico de IA en múltiples escalas espaciales y temporales, proporciona preprocesamiento de datos, visualización de pronósticos y otras herramientas, e integra reanálisis ERA5, eco de radar y conjuntos de datos DEM de alta resolución, y está comprometido a permitiendo de manera eficiente AI+ Investigación integrada sobre pronósticos meteorológicos y oceanográficos.
El pronóstico del tiempo está estrechamente relacionado con el trabajo y la vida de las personas, y también es uno de los escenarios de aplicación más observados en el campo de la inteligencia científica (AI4Science). Como marco de integración de IA de escenario completo, MindSpore tiene la capacidad de admitir de forma nativa modelos grandes y AI4Science para liderar la innovación.
El plan de arquitectura de MindSpore Earth se muestra en la Figura 1. Cubre modelos SOTA de la industria para múltiples escenarios, como pronóstico del tiempo, precipitación a corto plazo, pronóstico a mediano plazo y superresolución, incluidos GraphCast, ViT-KNO, FourCastNet, DGMR. , etc., y la cobertura del modelo es líder en la industria. La precisión del pronóstico supera a los modelos numéricos tradicionales y la velocidad del pronóstico es más de mil veces más rápida que la de los modelos numéricos tradicionales.
Figura 1 Planificación de la arquitectura de la suite MindSpore Earth
**
**
1. Previsión meteorológica a medio plazo
**
**
El pronóstico meteorológico global a mediano plazo se refiere a predecir el clima durante aproximadamente 3 a 10 días en el futuro a escala global. Estos pronósticos suelen basarse en modelos numéricos que simulan cambios en las condiciones atmosféricas, como la temperatura, la humedad, la presión del aire, la velocidad y dirección del viento y las precipitaciones. MindSpore Earth proporciona múltiples modelos de pronóstico de IA a mediano plazo:
FourCastNet
MindSpore Earth proporciona el modelo FourCastNet, que utiliza el operador neuronal adaptativo de Fourier AFNO. Esta arquitectura de red neuronal es una mejora del modelo Vision Transformer (ViT). Construye los pasos de operación mixta en convoluciones globales continuas, en la implementación eficiente de Fourier a través de FFT. en el dominio de la hoja reduce la complejidad de la mezcla espacial a O (Nlog N), lo que permite un modelado flexible y escalable de dependencias en dimensiones espaciales y de canal. Este modelo es el primer modelo de pronóstico de IA cuya precisión de pronóstico se puede comparar con el modelo del Sistema Integrado de Pronóstico (IFS) de alta resolución del Centro Europeo de Pronósticos Meteorológicos a Medio Plazo (ECMWF).
ViT-KNO
MindSpore Earth proporciona un modelo de operador neuronal de Koopman, liviano e independiente de la red, diseñado en base a la teoría de linealización global de Koopman y combinado con la idea de operadores neuronales. La arquitectura del modelo se muestra en la Figura 2. Este modelo fue lanzado por el Laboratorio de Almacenamiento y Computación Avanzada de Huawei en cooperación con la Universidad de Tsinghua. El modelo es capaz de capturar comportamientos no lineales complejos manteniendo al mismo tiempo el modelo liviano y computacionalmente eficiente. En comparación con FourCastNet, ViT-KNO tiene un rendimiento de entrenamiento más eficiente y una mejor precisión de predicción.
Figura 2 Arquitectura del modelo ViT-KNO
GraphCast
GraphCast proviene de DeepMind de Google, un modelo que utiliza GNN para generar predicciones de forma automática y regresiva en una arquitectura de "codificación-proceso-decodificación". El codificador asigna la cuadrícula de entrada de latitud y longitud de características meteorológicas en momentos históricos a una representación de cuadrícula interna de múltiples escalas; el procesador realiza múltiples rondas de mensajes que transmiten la representación de múltiples cuadrículas a la latitud; -Longitude Grid y genera resultados de predicción al mismo tiempo. MindSpore Earth ha abierto el módulo de generación de mallas icosaédricas para realizar la construcción automática de mallas de múltiples escalas. Además, para abordar la atenuación de la precisión de la predicción de varios pasos, MindSpore Earth implementa un entrenamiento iterativo de varios pasos para reducir la acumulación de errores del modelo.
**
**
2. Previsión de precipitaciones a corto plazo
**
**
MindSpore Earth proporciona el modelo de precipitación DGMR. El cuerpo principal del modelo es un generador, que se entrena con pérdidas discriminadoras temporales y espaciales y términos de regularización adicionales para el entrenamiento adversario. El modelo aprende una representación de contexto de los primeros cuatro fotogramas de la secuencia de radar, que se utiliza como entrada para el muestreador, una red recurrente compuesta de unidades recurrentes cerradas convolucionales (GRU), que combina la representación de contexto con un vector latente muestreado de un Distribución gaussiana, predice 18 campos de radar en el futuro. Basado en MindSpore Earth+ Shengteng, se puede llevar a cabo un entrenamiento y razonamiento eficiente de la intensidad de la precipitación y la distribución espacial.
**
**
3. Sobreresolución del modelo de elevación digital
**
**
El equipo de Shengsi MindSpore, Huawei AI4Sci LAB y el equipo de Huang Xiaomeng de la Universidad de Tsinghua lanzaron conjuntamente un modelo DEM de superresolución adecuado para regiones globales y también lanzaron un producto de datos DEM marítimo y terrestre global de 3 segundos de arco (90 m) (Figura 3). Los resultados se han publicado en In Science Bulletin. Este modelo es superior al modelo de superresolución ampliamente utilizado actualmente en términos de índice RMSE, claridad y detalles. Este resultado es el primer conjunto de datos DEM marítimos y terrestres globales con una resolución de menos de 100 metros. Puede satisfacer las necesidades de datos batimétricos oceánicos en diferentes campos y en diferentes niveles. Proporciona una base para explorar la relación entre el mar global. y campos de gravedad terrestres y terrenos bajo diferentes complejidades del terreno y explorando diferentes Proporciona un apoyo importante para la investigación sobre el mecanismo de equilibrio de las unidades tectónicas terrestres y marinas y el impacto de la topografía terrestre y marina en los movimientos de las mareas oceánicas.
Figura 3 Conjunto de datos DEM terrestres y marinos globales de alta resolución
Además, MindSpore Earth también proporciona módulos de visualización de pronósticos, como visualización del campo de viento (Figura 4), conjunto de datos de reanálisis ERA5 incorporado, conjunto de datos de eco de radar, datos DEM de alta resolución y admite pronósticos a corto y mediano plazo. pronóstico y otros modelos de entrenamiento y evaluación. En el futuro, MindSpore Earth continuará proporcionando modelos y herramientas meteorológicos y oceanográficos de IA eficientes y de vanguardia, incluidas funciones de inferencia de modelos meteorológicos grandes de Pangu, predicción climática a largo plazo, reducción de escala, etc., para permitir la investigación integrada de IA + meteorología. y datos oceánicos.
Figura 4 Efecto de visualización de la velocidad del viento
Para obtener más detalles, bienvenido a unirse al grupo SIG conjunto de MindSpore Flow & Earth.
Dirección del almacén de códigos de MindSpore Earth: https://gitee.com/mindspore/mindscience/tree/master/MindEarth
Un programador nacido en los años 90 desarrolló un software de portabilidad de vídeo y ganó más de 7 millones en menos de un año. ¡El final fue muy duro! Google confirmó despidos, relacionados con la "maldición de 35 años" de los codificadores chinos en los equipos Python Flutter Arc Browser para Windows 1.0 en 3 meses oficialmente GA La participación de mercado de Windows 10 alcanza el 70%, Windows 11 GitHub continúa disminuyendo. GitHub lanza la herramienta de desarrollo nativo de IA GitHub Copilot Workspace JAVA. es la única consulta de tipo fuerte que puede manejar OLTP + OLAP. Este es el mejor ORM. Nos encontramos demasiado tarde.