Dans l'après-midi du 21 septembre 2023, lors du forum spécial Huawei Connect2023 MindSpore sur le thème « Accélération de l'intelligence industrielle », la communauté open source MindSpore a publié le kit MindSpore Earth 0.1 Earth Science.
Cette suite intègre le modèle SOTA de prévisions météorologiques d'IA à plusieurs échelles spatiales et temporelles, fournit un prétraitement des données, une visualisation des prévisions et d'autres outils, et intègre la réanalyse ERA5, l'écho radar et les ensembles de données DEM haute résolution, et s'engage à permettant efficacement la recherche intégrée AI+ sur les prévisions météorologiques et océanographiques.
Les prévisions météorologiques sont étroitement liées au travail et à la vie des gens, et constituent également l'un des scénarios d'application les plus surveillés dans le domaine de l'intelligence scientifique (AI4Science). En tant que cadre d'intégration d'IA pour des scénarios complets, MindSpore a la capacité de prendre en charge de manière native de grands modèles et AI4Science pour diriger l'innovation.
Le plan d'architecture de MindSpore Earth est présenté dans la figure 1. Il couvre les modèles SOTA industriels pour plusieurs scénarios tels que les prévisions météorologiques, les précipitations à court terme, les prévisions à moyen terme et la super-résolution, notamment GraphCast, ViT-KNO, FourCastNet, DGMR. , etc., et la couverture du modèle est à la pointe du secteur. La précision des prévisions dépasse les modèles numériques traditionnels et la vitesse de prévision est plus de mille fois plus rapide que celle des modèles numériques traditionnels.
Figure 1 Planification de l'architecture de la suite MindSpore Earth
**
**
1. Prévisions météorologiques à moyen terme
**
**
Les prévisions météorologiques mondiales à moyen terme font référence à la prévision du temps qu'il fera pour environ 3 à 10 jours dans le futur à l'échelle mondiale. Ces prévisions sont généralement basées sur des modèles numériques simulant les changements des conditions atmosphériques telles que la température, l'humidité, la pression atmosphérique, la vitesse et la direction du vent et les précipitations. MindSpore Earth fournit plusieurs modèles de prévisions d'IA à moyen terme :
FourCastNet
MindSpore Earth fournit le modèle FourCastNet, qui utilise l'opérateur neuronal adaptatif de Fourier AFNO. Cette architecture de réseau neuronal est une amélioration du modèle Vision Transformer (ViT). Elle construit les étapes d'opération mixtes en convolutions globales continues, dans la mise en œuvre efficace de Fourier via FFT. dans le domaine feuille réduit la complexité du mélange spatial à O (Nlog N), ce qui permet une modélisation flexible et évolutive des dépendances dans les dimensions spatiales et de canal. Ce modèle est le premier modèle de prévision d'IA dont la précision des prévisions peut être comparée au modèle du système de prévision intégré (IFS) à haute résolution du Centre européen pour les prévisions météorologiques à moyen terme (ECMWF).
ViT-KNO
MindSpore Earth fournit un modèle d'opérateur neuronal Koopman léger et indépendant de la grille, conçu sur la base de la théorie de linéarisation globale de Koopman et combiné avec l'idée d'opérateurs neuronaux. L'architecture du modèle est présentée dans la figure 2. Ce modèle a été lancé par le Huawei Advanced Computing and Storage Laboratory en coopération avec l'Université Tsinghua. Le modèle est capable de capturer un comportement non linéaire complexe tout en conservant sa légèreté et son efficacité informatique. Par rapport à FourCastNet, ViT-KNO offre des performances d'entraînement plus efficaces et une meilleure précision de prédiction.
Figure 2 Architecture du modèle ViT-KNO
GraphCast
GraphCast provient de DeepMind de Google, un modèle qui utilise GNN pour générer automatiquement et de manière régressive des prédictions dans une architecture « encoder-processus-décodage ». Le codeur mappe la grille d'entrée latitude-longitude des caractéristiques météorologiques à des moments historiques sur une représentation de grille interne multi-échelle ; le processeur effectue plusieurs cycles de transmission de messages sur la représentation multi-grille ; le décodeur mappe la représentation multi-grille à la latitude ; -Grille de longitude et résultats de prédiction de sortie en même temps. MindSpore Earth a open source le module de génération de maillage icosaédrique pour réaliser la construction automatique de maillages multi-échelles. De plus, pour remédier à l'atténuation de la précision des prédictions en plusieurs étapes, MindSpore Earth met en œuvre une formation itérative en plusieurs étapes pour réduire l'accumulation d'erreurs de modèle.
**
**
2. Prévisions des précipitations à court terme
**
**
MindSpore Earth fournit le modèle de précipitations DGMR. Le corps principal du modèle est un générateur, qui est entraîné avec des pertes de discriminateur temporel et spatial et des termes de régularisation supplémentaires pour l'entraînement contradictoire. Le modèle apprend une représentation contextuelle à partir des quatre premières images de la séquence radar, qui est utilisée comme entrée de l'échantillonneur, un réseau récurrent composé d'unités récurrentes convolutives (GRU), qui combine la représentation contextuelle avec un vecteur latent échantillonné à partir d'un Distribution gaussienne. Entrée, prédisez 18 champs radar dans le futur. Sur la base de MindSpore Earth+ Shengteng, un entraînement et un raisonnement efficaces sur l'intensité des précipitations et la répartition spatiale peuvent être effectués.
**
**
3. Surrésolution du modèle numérique d'élévation
**
**
L'équipe Shengsi MindSpore, Huawei AI4Sci LAB et l'équipe Huang Xiaomeng de l'Université Tsinghua ont lancé conjointement un modèle DEM à super-résolution adapté aux régions du monde, et ont également publié un produit de données DEM mondial de 3 secondes d'arc (90 m) sur la mer et la terre (Figure 3). les résultats ont été publiés dans In Science Bulletin. Ce modèle est supérieur au modèle super-résolution actuellement largement utilisé en termes d'indice RMSE, de clarté et de détails. Ce résultat est le premier ensemble de données DEM mondiales sur la mer et la terre avec une résolution inférieure à 100 mètres. Il peut répondre aux besoins de données bathymétriques océaniques dans différents domaines et à différents niveaux. Il fournit une base pour explorer la relation entre la mer mondiale. et les champs de gravité terrestres et le terrain dans différentes complexités de terrain et l'exploration de différentes Il fournit un soutien important à la recherche sur le mécanisme d'équilibre des unités tectoniques terrestres et marines et sur l'impact de la topographie terrestre et marine sur les mouvements des marées océaniques.
Figure 3 Ensemble de données mondiales DEM terrestres et maritimes à haute résolution
En outre, MindSpore Earth fournit également des modules de visualisation de prévisions, tels que la visualisation du champ de vent (Figure 4) ; un ensemble de données de réanalyse ERA5 intégré, un ensemble de données d'écho radar, des données DEM haute résolution et prend en charge les prévisions à court terme et à moyen terme. prévisions et autres formations sur modèles et évaluation. À l'avenir, MindSpore Earth continuera de fournir des modèles et des outils météorologiques et océanographiques d'IA de pointe et efficaces, notamment des fonctions d'inférence de grands modèles météorologiques de Pangu, des prévisions climatiques à long terme, une réduction d'échelle, etc., pour permettre une recherche intégrée de l'IA + de la météorologie. et les données océaniques.
Figure 4 Effet de visualisation de la vitesse du vent
Pour plus de détails, bienvenue dans le groupe SIG commun MindSpore Flow & Earth.
Adresse de l'entrepôt de codes MindSpore Earth : https://gitee.com/mindspore/mindscience/tree/master/MindEarth
Un programmeur né dans les années 1990 a développé un logiciel de portage vidéo et en a réalisé plus de 7 millions en moins d'un an. La fin a été très éprouvante ! Google a confirmé les licenciements, impliquant la « malédiction des 35 ans » des codeurs chinois des équipes Flutter, Dart et . Python Arc Browser pour Windows 1.0 en 3 mois officiellement la part de marché de GA Windows 10 atteint 70 %, Windows 11 GitHub continue de décliner l'outil de développement natif d'IA GitHub Copilot Workspace JAVA. est la seule requête de type fort capable de gérer OLTP+OLAP. C'est le meilleur ORM. Nous nous rencontrons trop tard.