AI天气预报击败传统预报系统AI天气预报成本小几个数量级
天气虽难以操控，但距离精准预测又更近了一步！
微软研究院推出的地球系统基础模型Aurora，轻松实现了几个关键预测领域的SoTA，计算成本还要小好几个数量级：
- 0.4° 分辨率的 5 天全球空气污染预报：在74%的预测指标上优于高资源消耗的大气化学数值模拟；【图2】
- 0.25° 分辨率的10天全球海浪预报：在86%的目标上优于成本高昂的数值模型。【图3】
- 5天热带气旋路径预报：在100%的预测指标上优于七大业务预报中心【图4】
- 0.1° 分辨率的10天全球天气预报：在92%的预测指标上领先最先进数值模型，且极端天气预测性能显著提升【图5】
可以看出，多领域预测能力以及高分辨率预测是Aurora的强项。
那么，功能如此强悍的Aurora，具体具有什么样的结构呢？
该模型由三部分组成：
（1）编码器：将不同类型的数据转换为统一的三维潜空间表征；
（2）处理器：让这些表征按照时间顺序自然地发展和变化；
（3）解码器：将处理后的表征重新转换成我们能看懂的实际预测结果。
其中，处理器采用了3D Swin Transformer U-Net架构，编码器与解码器则基于3D Perceiver模块构建。【图6】
整个训练结果可以分为两个阶段来看：
1、预训练阶段：使用超过一百万小时的多样化地球系统数据进行预训练，通过增加预训练数据量和模型规模，模型性能还有望进一步提升。
2、微调阶段：完成预训练后，模型可利用习得的通用表征，通过第二阶段训练高效适配新任务、新数据集及新变量。
值得一提的是，Aurora可以以极低的成本微调，适配多种地球系统预测任务，有望用于海洋环流预测、植被生长监测、极端天气预警等领域。
论文链接：
