社区研究地球数字智能孪生 (CREDIT)
人工智能
2025-09-17 v1 大气与海洋物理
摘要
人工智能 (AI) 在数值天气预报 (NWP) 领域的最新进展显著改变了大气建模。AI NWP 模型在多项全球指标上优于传统的基于物理的系统（如集成预报系统 IFS），同时所需计算资源更少。然而，现有的 AI NWP 模型面临训练数据集和时间步长选择相关的局限，往往导致伪影并降低模型性能。为应对这些挑战，我们引入了在 NSF NCAR 开发的社区研究地球数字智能孪生 (CREDIT) 框架。CREDIT 为在高性能计算系统上训练和部署基于 AI 的大气模型提供了一个灵活、可扩展且用户友好的平台。它提供了一个用于数据预处理、模型训练和评估的端到端流程，使先进的 AI NWP 能力普及化。我们通过 WXFormer 展示了 CREDIT 的潜力，WXFormer 是一种新颖的确定性视觉变换器，旨在自回归地预测大气状态，通过谱归一化、填充和多步训练等技术解决常见的 AI NWP 问题，如累积误差增长。此外，为了说明 CREDIT 的灵活性和最先进模型的比较，我们在该框架内训练了 FUXI 架构。我们的发现表明，在六小时 ERA5 混合西格玛-压力层上训练的 FUXI 和 WXFormer 通常在 10 天预报中优于 IFS HRES，有望提高效率和预报精度。CREDIT 的模块化设计使研究人员能够探索各种模型、数据集和训练配置，促进科学界的创新。
引用
@article{arxiv.2411.07814,
title = {Community Research Earth Digital Intelligence Twin (CREDIT)},
author = {John Schreck and Yingkai Sha and William Chapman and Dhamma Kimpara and Judith Berner and Seth McGinnis and Arnold Kazadi and Negin Sobhani and Ben Kirk and David John Gagne},
journal= {arXiv preprint arXiv:2411.07814},
year = {2025}
}