Mô hình khí tượng thể hiện hiệu suất mạnh mẽ so với phương thức dự báo thời tiết truyền thống về mặt tốc độ và độ chính xác
THÂM QUYẾN, Trung Quốc, 7/7/2023 /PRNewswire/ -- HUAWEI CLOUD đã thông báo rằng một bài báo về Mô hình AI khí tượng Pangu mang tính đột phá của mình đã được xuất bản bởi Nature, một trong những tạp chí khoa học hàng đầu thế giới.
Ấn phẩm đánh dấu lần đầu tiên các nhân viên của một công ty công nghệ Trung Quốc là tác giả duy nhất của một bài báo đăng tải trên tạp chí Nature, theo Nature Index. Bài báo mô tả cách phát triển hệ thống dự báo thời tiết AI toàn cầu một cách chính xác dựa trên cơ chế học sâu bằng cách sử dụng dữ liệu trong 43 năm, đã được đăng tải trên tạp chí uy tín vào hôm 5/7/2023.
Pangu-Weather là mô hình dự baaso AI đầu tiên với độ chính xác cao hơn so với các phương pháp dự báo thời tiết bằng số truyền thống. Mô hình này giúp tăng tốc độ dự báo lên gấp 10.000 lần, giảm thời gian dự báo thời tiết toàn cầu xuống chỉ còn vài giây. Bài báo với tựa đề "Dự báo thời tiết toàn cầu tầm trung chính xác với mạng lưới thần kinh 3D" đưa ra các dẫn chứng độc lập để chứng minh khả năng của mô hình này.
Pangu-Weather thách thức các giả định trước đây cho rằng độ chính xác của mô hình dự báo thời tiết AI thua kém so với dự báo bằng số truyền thống. Mô hình do đội ngũ HUAWEI CLOUD phát triển là mô hình dự báo AI đầu tiên có độ chính xác cao hơn các phương pháp dự báo bằng số truyền thống.
Với sự phát triển nhanh chóng của sức mạnh điện toán trong 30 năm qua, độ chính xác của phương thức dự báo thời tiết bằng số đã được cải thiện đáng kể, cung cấp các dự báo về thiên tai cực đoan cũng như biến đổi khí hậu. Tuy nhiên, phương pháp này vẫn mất khá nhiều thời gian. Để cải thiện tốc độ dự báo, các nhà nghiên cứu đã khám phá cách sử dụng các phương pháp học sâu. Tuy nhiên, độ chính xác của mô hình dự báo dựa trên AI trong tầm trung và dài hạn vẫn còn nhiều hạn chế so với dự báo số. AI hầu như không thể dự báo các hiện tượng thời tiết cực đoan và bất thường như bão.
Mỗi năm trên thế giới có khoảng 80 cơn bão. Năm 2022, chỉ tính riêng tại Trung Quốc, thiệt hại kinh tế trực tiếp do bão gây ra là 5,42 tỷ nhân dân tệ theo số liệu của Bộ Quản lý Khẩn cấp Trung Quốc. Các cảnh báo được gửi đi càng sớm thì công tác ứng phó sẽ trở nên dễ dàng và tốt hơn.
Nhờ tới tốc độ dự báo, các mô hình dự báo thời tiết AI nhận được nhiều sự chú ý nhưng thiếu độ chính xác vì hai lý do. Đầu tiên, các mô hình dự báo khí tượng AI hiện tại đang dựa trên mạng lưới thần kinh 2D và không thể xử lý tốt dữ liệu khí tượng 3D không đồng đều. Thứ hai, dự báo thời tiết tầm trung có thể gặp lỗi dự báo tích lũy khi mô hình được áp dụng quá nhiều lần.
Cách Pangu-Weather giải quyết những thách thức này
Trong các thử nghiệm khoa học, mô hình Pangu-Weather đã chứng minh độ chính xác cao hơn so với các phương pháp dự báo bằng số truyền thống đối với các dự báo từ 1 giờ đến 7 ngày, với tốc độ dự báo nhanh gấp 10.000 lần. Mô hình có thể dự báo chính xác trong vài giây về các đặc điểm khí tượng chi tiết bao gồm độ ẩm, tốc độ gió, nhiệt độ và áp suất mực nước biển.
Mô hình này sử dụng kiến trúc 3D Earth-Specific Transformer (3DEST) để xử lý dữ liệu khí tượng 3D không đồng nhất phức tạp. Sử dụng chiến lược tổng hợp theo thứ bậc và thời gian, mô hình đã được đào tạo cho các khoảng thời gian dự báo khác nhau bằng cách sử dụng các khoảng thời gian như 1 giờ, 3 giờ, 6 giờ và 24 giờ. Điều này giúp giảm thiểu số lần lặp lại khi dự báo điều kiện khí tượng tại một thời điểm cụ thể và giảm số lần dự báo sai.
Để đào tạo mô hình cho các khoảng thời gian cụ thể, các nhà nghiên cứu đã đào tạo 100 epoch (chu kỳ) bằng cách sử dụng các mẫu dữ liệu thời tiết theo giờ từ năm 1979-2021. Mỗi mô hình phụ cần 16 ngày đào tạo trên 192 card đồ họa V100. Pangu-Weather Model hiện có thể hoàn thành dự báo về thời tiết toàn cầu trong 24 giờ chỉ trong 1,4 giây trên card đồ họa V100, nhanh gấp 10.000 lần so với dự báo bằng số truyền thống.
Giải thích lý do tại sao đội ngũ HUAWEI CLOUD AI chọn tập trung vào lĩnh vực dự báo thời tiết, Tiến sĩ Tian Qi, Giám đốc khoa học của Lĩnh vực HUAWEI CLOUD AI, Thành viên của IEEE và Viện sĩ của Học viện Khoa học Á-Âu Quốc tế, giải thích "Dự báo thời tiết là một trong những kịch bản quan trọng trong lĩnh vực điện toán khoa học vì dự báo khí tượng là một hệ thống rất phức tạp, lại khó bao hàm tất cả các khía cạnh của kiến thức toán học và vật lý. Do đó, chúng tôi rất vui mừng khi nghiên cứu của mình đã được tạp chí Nature công nhận. Các mô hình AI có thể khai thác các quy luật thống kê về sự thay đổi của khí quyển từ nguồn dữ liệu khổng lồ. Hiện tại, Pangu-Weather chủ yếu đảm nhiệm công việc của hệ thống dự báo và có nhiệm vụ chính là dự báo diễn biến của các trạng thái khí quyển. Mục tiêu cuối cùng của chúng tôi là xây dựng khung dự báo thời tiết thế hệ tiếp theo bằng cách sử dụng các công nghệ AI để cải tiến các hệ thống dự báo hiện có".
Nhận xét về tầm quan trọng và chất lượng của nghiên cứu của HUAWEI CLOUD, các nhà đánh giá học thuật từ tạp chí Nature giải thích rằng Pangu-Weather không chỉ dễ tải xuống và sử dụng mà còn hoạt động nhanh chóng ngay cả trên máy tính để bàn. Điều này có nghĩa là bất kỳ ai trong cộng đồng khí tượng giờ đây đều có thể chạy và thử nghiệm các mô hình này theo ý mình. Quả là một cơ hội tuyệt vời cho cộng đồng để khám phá chất lượng của mô hình dự báo các hiện tượng thời tiết cụ thể. Cũng như góp phần thúc đẩy đà phát triển của lĩnh vực này. Một nhà đánh giá khác lưu ý rằng bản thân các kết quả này là một bước tiến quan trọng so với các kết quả trước đó. Công trình này sẽ khiến chúng ta phải đánh giá lại các mô hình dự báo tiềm năng trong tương lai.
Vào tháng 5/2023, cơn bão Mawar đã thu hút sự chú ý của thế giới khi trở thành cơn bão nhiệt đới mạnh nhất trong năm cho đến thời điểm này. Theo Cục Khí tượng Trung Quốc, Pangu-Weather đã dự báo chính xác đường đi của bão Mawar 5 ngày trước khi cơn bão đổi hướng ở vùng biển phía đông quần đảo Đài Loan.
Ngoài ra, để liên tục nâng cấp các mô hình dự báo thời tiết AI hàng đầu, môi trường đám mây ổn định, bộ công việc cũng như cơ sở trung tâm dữ liệu vận hành và bảo trì (O&M) thích hợp cũng là những yếu tố thiết yếu.
