近日，科学家开发出了一种名为 “Aurora” 的机器学习模型，它在热带气旋轨迹预测方面表现优于官方机构，并且速度更快、成本更低。Aurora 是由微软、宾夕法尼亚大学及其他机构的研究人员共同研发的基础模型，旨在提升地球系统预测的速度和准确性，涵盖空气质量、海洋波动、热带气旋轨迹以及高分辨率天气等领域。
图源备注:图片由AI生成，图片授权服务商Midjourney
Aurora 的联合作者、宾夕法尼亚大学机械工程及应用力学副教授巴黎・佩尔迪卡里斯（Paris Perdikaris）表示，Aurora 类似于大型神经网络，能够从过去的地球物理数据中学习，预测复杂的物理过程，而不再依赖传统的物理方程。传统模型基于质量、动量和能量守恒等基本物理原理，而 Aurora 则是通过观察和数据进行学习。
Aurora 经过了超过一百万小时的多样化地球物理数据预训练，并在小型工程团队的协助下，在四到八周内进行了微调。这一过程相较于传统动力学模型通常需要数年的开发周期而言，显得迅速而高效。
根据研究人员的报告，Aurora 在2023年能够准确预测所有飓风，且表现优于当前的气象预报中心。此外，该模型在2022至2023年期间的五天热带气旋轨迹预测中，超越了七个操作性预报中心，并在十天的全球天气预测中超越了92% 的目标。
Aurora 作为一个基础模型，具有广泛的应用潜力，除了天气预测外，还可以进一步调整用于空气质量、海洋动态、环境极端事件等多个领域。研究人员指出，Aurora 的出现可能会对地球系统预测领域产生深远的影响，能够以更低的成本提供更精确的预测。
与此同时，另一种名为 “Aardvark” 的机器学习天气预测系统也在不断崭露头角。Aardvark 展示了优于传统超级计算机模型的潜力，可以在配备 NVIDIA GPU 的桌面上训练和运行，并以较低的计算成本生成十天的天气预报。
划重点:
🌪️ Aurora 模型在热带气旋轨迹预测中表现优于官方机构，速度快、成本低。
📊 该模型经过超过一百万小时的数据预训练，微调周期仅为四到八周。
🌍 Aurora 的潜在应用包括空气质量、海洋动态和环境极端事件等多个领域。