Во второй половине дня 21 сентября 2023 года на специальном форуме Huawei Connect2023 MindSpore, посвященном теме «Ускорение отраслевой разведки», сообщество открытого исходного кода MindSpore представило комплект MindSpore Earth 0.1 Earth Science Kit.
Этот пакет объединяет модель SOTA прогноза погоды с использованием искусственного интеллекта в нескольких пространственных и временных масштабах, обеспечивает предварительную обработку данных, визуализацию прогноза и другие инструменты, а также интегрирует реанализ ERA5, радиолокационные эхо-сигналы и наборы данных DEM высокого разрешения, а также предназначен для эффективно обеспечивает интегрированные исследования AI+ по метеорологическим и океанографическим прогнозам.
Прогнозирование погоды тесно связано с работой и жизнью людей, а также является одним из сценариев применения, получившим самое широкое внимание в сфере научной разведки (AI4Science). Являясь полнофункциональной средой интеграции искусственного интеллекта, MindSpore имеет возможность изначально поддерживать большие модели, а AI4Science — лидерство в инновациях.
План архитектуры MindSpore Earth показан на рисунке 1. Он охватывает отраслевые модели SOTA для различных сценариев, таких как прогноз погоды, краткосрочные осадки, среднесрочные прогнозы и сверхвысокое разрешение, включая GraphCast, ViT-KNO, FourCastNet, DGMR. и т. д., а охват модели является ведущим в отрасли. Точность прогноза превосходит традиционные численные модели, а скорость прогнозирования более чем в тысячу раз выше, чем у традиционных числовых моделей.
Рис. 1. Планирование архитектуры пакета MindSpore Earth
**
**
1. Среднесрочный прогноз погоды
**
**
Среднесрочный глобальный прогноз погоды относится к предсказанию погоды примерно на 3–10 дней в будущем в глобальном масштабе. Такие прогнозы обычно основаны на численных моделях, моделирующих изменения атмосферных условий, таких как температура, влажность, давление воздуха, скорость и направление ветра, а также осадки. MindSpore Earth предоставляет несколько моделей среднесрочного прогнозирования с использованием искусственного интеллекта:
FourCastNet
MindSpore Earth предоставляет модель FourCastNet, в которой используется адаптивный нейронный оператор Фурье AFNO. Эта архитектура нейронной сети является усовершенствованием модели Vision Transformer (ViT). Она преобразует этапы смешанных операций в непрерывные глобальные свертки в реализации Fourier Efficient посредством БПФ. в листовом домене снижает сложность пространственного смешивания до O(Nlog N), что позволяет гибко и масштабируемо моделировать зависимости между пространственными и канальными измерениями. Эта модель является первой прогностической моделью искусственного интеллекта, точность прогноза которой можно сравнить с моделью Интегрированной системы прогнозирования (IFS) высокого разрешения Европейского центра среднесрочных прогнозов погоды (ECMWF).
ВИТ-КНО
MindSpore Earth предоставляет легкую, независимую от сетки модель нейронного оператора Купмана, разработанную на основе теории глобальной линеаризации Купмана и объединенную с идеей нейронных операторов. Архитектура модели показана на рисунке 2. Эта модель была запущена Лабораторией передовых вычислений и хранения данных Huawei в сотрудничестве с Университетом Цинхуа. Модель способна фиксировать сложное нелинейное поведение, сохраняя при этом легкость и эффективность вычислений. По сравнению с FourCastNet, ViT-KNO имеет более эффективную производительность обучения и лучшую точность прогнозирования.
Рисунок 2. Архитектура модели ВиТ-КНО
ГрафКаст
GraphCast создан на основе DeepMind от Google, модели, которая использует GNN для автоматического и регрессивного генерирования прогнозов в архитектуре «кодирование-обработка-декодирование». Кодер отображает входную сетку широты и долготы метеорологических характеристик в исторические моменты в многомасштабное представление внутренней сетки, процессор выполняет несколько циклов передачи сообщений по многосеточному представлению, а декодер отображает многосеточное представление обратно в широту; -Сетка долготы и результаты прогнозирования вывода одновременно. MindSpore Earth открыла исходный код модуля создания икосаэдральной сетки для автоматического построения многомасштабных сеток. Кроме того, для решения проблемы снижения точности многоэтапного прогнозирования MindSpore Earth реализует многоэтапное итеративное обучение, чтобы уменьшить накопление ошибок модели.
**
**
2. Краткосрочный прогноз осадков
**
**
MindSpore Earth предоставляет модель осадков DGMR. Основная часть модели — это генератор, который обучается с использованием временных и пространственных потерь дискриминатора и дополнительных условий регуляризации для состязательного обучения. Модель изучает представление контекста из первых четырех кадров радиолокационной последовательности, которая используется в качестве входных данных для сэмплера. Сэмплер представляет собой рекуррентную сеть, состоящую из сверточных вентилируемых рекуррентных единиц (GRU), которая сочетает в себе представление контекста со скрытым вектором. выбрано из гауссовского распределения, предсказывает 18 радиолокационных полей в будущем. На основе MindSpore Earth+ Shengteng можно проводить эффективное обучение и анализ интенсивности осадков и их пространственного распределения.
**
**
3. Чрезмерное разрешение цифровой модели рельефа.
**
**
Команда Shengsi MindSpore, лаборатория Huawei AI4Sci LAB и команда Хуан Сяомэна из Университета Цинхуа совместно запустили модель DEM со сверхвысоким разрешением, подходящую для глобальных регионов, а также выпустили глобальный продукт с данными DEM о море и суше с точностью до 3 угловых секунд (90 м) (рис. 3). Результаты были опубликованы в журнале In Science Bulletin. Эта модель превосходит широко используемую в настоящее время модель сверхвысокого разрешения с точки зрения индекса RMSE, четкости и детализации. Этот результат представляет собой первый глобальный набор данных DEM о море и суше с разрешением менее 100 метров. Он может удовлетворить потребности в данных батиметрии океана в различных областях и на разных уровнях. Он обеспечивает основу для изучения взаимосвязей между глобальным морем. гравитационные поля и рельеф суши при различных сложностях местности и изучение различных. Это обеспечивает важную поддержку для исследований механизма равновесия тектонических единиц суши и моря, а также влияния топографии суши и моря на приливные движения океана.
Рисунок 3. Глобальный набор данных DEM по суше и морю в высоком разрешении.
Кроме того, MindSpore Earth также предоставляет модули визуализации прогнозов, такие как визуализация поля ветра (рис. 4), встроенный набор данных реанализа ERA5, набор данных радиолокационного эхо, данные DEM высокого разрешения, а также поддерживает краткосрочный и среднесрочный прогноз; прогноз и другое обучение модели и оценка. В будущем MindSpore Earth продолжит предоставлять передовые и эффективные метеорологические и океанографические модели и инструменты искусственного интеллекта, включая функции вывода больших метеорологических моделей Pangu, долгосрочное прогнозирование климата, даунскейлинг и т. д., чтобы обеспечить возможность комплексного исследования AI + метеорологических моделей. и океанические данные.
Рисунок 4. Эффект визуализации скорости ветра.
Для получения более подробной информации добро пожаловать в совместную группу SIG MindSpore Flow и Earth.
Адрес склада с кодом MindSpore Earth: https://gitee.com/mindspore/mindscience/tree/master/MindEarth
Программист, родившийся в 1990-х годах, разработал программу для переноса видео и заработал более 7 миллионов менее чем за год. Концовка была очень суровой! Google подтвердил увольнения, связанные с «проклятием 35-летней давности» китайских программистов в командах Flutter, Dart и . Python Arc Browser для Windows 1.0 через 3 месяца официально Доля рынка Windows 10 достигает 70%, Windows 11 GitHub продолжает снижаться GitHub выпускает собственный инструмент разработки AI GitHub Copilot Workspace JAVA. — единственный запрос строгого типа, который может обрабатывать OLTP+OLAP. Это лучший ORM. Мы встречаемся слишком поздно.