这两项技术不仅能加快天气预测和气候建模的速度和准确性，同时还能提高能效。
慕尼黑再保险公司（Munich Reinsurance Company）预测，到 2050 年日益频发的极端天气与气候事件可能会夺去百万人的生命，每年造成 1.7 万亿美元的损失。
面对日益频发的暴雪、飓风、热浪等恶劣天气，目前迫切需要更准确的天气预报。AI 和加速计算将提供这方面的帮助。
全球超过 180 个气象建模中心采用强大的高性能计算（HPC）基础设施来运行传统的数值天气预报（NWP）模型，其中包括欧洲中期天气预报中心（ECMWF），该中心运行在 983,040 个 CPU 核心上，以及英国气象局的超级计算机，该计算机采用超过 150 万个 CPU 核心，耗电量为 2.7 兆瓦特。
重新思考 HPC 系统的设计
全球的节能化趋势正在促使人们重新思考 HPC 系统的设计。加速计算充分利用 GPU 的强大功能，提供了一种极具潜力的节能替代方案，并能加快计算速度。
图 1. 左图是在假设 10 座建模中心运行相同预报工作量的情况下，ECMWF 综合预报系统 51 个集合成员在英特尔 Broadwell CPU 上取得的结果和 FourCastNet 1,000 个集合成员在 4 颗 NVIDIA A100 Tensor Core GPU 上取得的结果；右图是 ICON 模型的性能测量结果。CPU：2 颗 AMD Milan。GPU：4 颗 NVIDIA H100 Tensor Core PCIe。
NVIDIA GPU 为世界各地的天气模型带来了重大影响，其中包括 ECMWF、马克斯·普朗克气象研究所、德国气象局和美国国家大气研究中心的天气模型。
GPU 将性能提升了 24 倍，同时实现提高能效，降低成本和空间要求。
瑞士国家气象学和气候学办公室（MeteoSwiss）数值预测主管 Oliver Fuhrer 表示：“为了在有限的电力预算内进行可靠的天气预测和气候预测，我们需要算法上的改进以及硬件，比如用 NVIDIA GPU 替代 CPU。”
AI 模型大幅提升速度、效率
与传统方法相比，NVIDIA 的 AI 天气预测模型 FourCastNet 在实现高准确度的同时，还将速度和能效提升了好几个数量级。FourCastNet 可快速作出一周的预报并生成大型集合或初始条件稍有变化的模型组，从而提供高可信度的极端天气预报。
例如，FourCastNet 基于历史数据，准确预测了 2018 年 7 月 5 日阿尔及利亚瓦尔格拉的温度，那是非洲有气象记录以来气温最高的一天。
图 2. 2018 年 7 月非洲地区真实天气的可视化图（中间），周围的地球代表 FourCastNet（集合成员）对热穹现象的准确预报。
利用 GPU，FourCastNet 可以快速而准确地生成 1,000 个集合成员，超越了传统模型。其中的十几个成员根据阿尔及利亚高温发生前三周的数据，准确预测了阿尔及利亚的高温。
这标志着 FourCastNet 团队首次提前数周预测到了一个影响重大的事件，证明了 AI 能以比传统天气模型更低的能耗作出可靠天气预报的潜力。
FourCastNet 使用 transformer 模型等最新 AI 进展搭建了 AI 和物理学之间的桥梁，并取得了突破性的成果。它比传统的 NWP 模型快 45,000 倍。在训练时，FourCastNet 预测天气所需的能耗比 NWP 模型中的标杆——欧洲综合预报系统少 12,000 倍。
马克斯普朗克气象研究所所长 Bjorn Stevens 表示：“NVIDIA FourCastNet 为 AI 在各个领域的应用打开了一扇门，这将改变 NWP 企业的形态。”
不断扩大的可能性
在 NVIDIA GTC 分会上，Stevens 描述了当前 ICON 气候研究工具所带来的可能性。他表示使用 3,200 颗 CPU 的 Levante 超级计算机可在 24 小时内模拟 10 天的天气，而使用 1,200 颗 NVIDIA A100 Tensor Core GPU 的 JUWELS Booster 超级计算机在同样的时间内可模拟 50 天的天气。
Stevens 补充道，科学家希望研究未来 300 年的气候影响，而这需要将系统速度提升 20 倍。他表示，采用像 NVIDIA H100 Tensor Core GPU 这样更快的技术和更简单的代码可以让我们实现这个目标。
研究人员现在所面临的挑战是如何实现物理建模和机器学习之间的最佳平衡，从而作出更快、更准确的气候预测。上月发表的一篇 ECMWF 文章介绍了这种利用机器学习作出初步预测并使用物理模型进行数据生成、验证和系统改进的混合方法。
这种通过加速计算实现的混合方法可能会推动天气预报和气候科学的重大进步，开辟一个使预测变得高效、可靠和节能的新纪元。
