AI 数值天气模型的民主化：基于 FourCastNetv2 的全球预报示例（由大学实验室使用 GPU 实现）
机器学习
2025-08-13 v3 人工智能
大气与海洋物理
摘要
本文演示了通过利用图形处理单元（GPU）和免费提供的 AI 模型（如 NVIDIA 的 FourCastNetv2），在大学科研团队之间民主化 AI 驱动的全球天气预报模型的可行性。FourCastNetv2 是 NVIDIA 开发的一种先进天气预测神经网络，其训练数据源自欧洲中尺度天气预报中心（ECMWF）再分析 v5（ERA5）数据集中的 73 个通道，涵盖单层和不同气压层。尽管 FourCastNetv2 的训练规格未向公众公开，但该模型第一代 FourCastNet 的训练文档已向所有用户公开。本次训练使用 64 块 A100 GPU，耗时 16 小时。尽管 NVIDIA 的模型在时间和成本方面较传统数值天气预报（NWP）显著减少，但对于资源受限的大学科研团队而言，复现已发表预报结果仍面临挑战。我们演示了（i）通过指定的应用程序编程接口（API）利用 FourCastNetv2 创建预测，以及（ii）利用 NVIDIA 硬件训练原始 FourCastNet 模型。进一步地，本文展示了 NVIDIA A100 对资源受限科研团队的能力与局限性。我们还探讨了数据管理、训练效率和模型验证，突出了在有限高性能计算资源下的优势与挑战。因此，本文及其对应的 GitHub 材料可能为其他大学科研团队以及涉及机器学习、气象学和数据科学的课程提供初始指南，以发展 AI 天气预报的科研和教育项目，从而有助于在数字经济中民主化 AI NWP。
引用
@article{arxiv.2504.17028,
title = {Democracy of AI Numerical Weather Models: An Example of Global Forecasting with FourCastNetv2 Made by a University Research Lab Using GPU},
author = {Iman Khadir and Shane Stevenson and Henry Li and Kyle Krick and Abram Burrows and David Hall and Stan Posey and Samuel S. P. Shen},
journal= {arXiv preprint arXiv:2504.17028},
year = {2025}
}
备注
12 pages, 8 figures