将风暴解析大气人工智能模拟扩展到整个地球

公里尺度的对流塑造了降水极端事件、热带组织和云反馈，但大多数全球大气模型以 25-100 公里的分辨率近似这些过程。全球风暴解析物理模型显式解析对流系统，但代价是——在百亿亿次超级计算机上每个模拟日约消耗一兆瓦时——这限制了长时间模拟。我们介绍了 STRATA（基于瓦片的风暴解析自回归大气 Transformer 架构），这是第一个用于全球风暴解析大气动力学的自回归 AI 模拟器。STRATA 在迄今为止用于全球 AI 模拟的最高分辨率大气数据集上训练：17 天的 SCREAM 物理模型输出，分辨率为 4.9 公里（约 2500 万个网格单元），每 10 分钟采样一次。我们的核心前提是，在 10 分钟的时间尺度上，大气动力学主要是局部的，因此在小的空间瓦片上训练可以用稀缺的全球时间样本换取丰富的局部空间样本，并通过重叠瓦片混合实现全球展开。STRATA 结合了 3D 块嵌入和局部 3D 邻域注意力、一种新颖的立体旋转位置编码（StereoRoPE）用于网格不变编码，以及一个像素空间去混叠解码器，用于抑制块尺度展开伪影。一项 iso-FLOP 缩放研究表明，公里尺度模拟每个网格点需要的 FLOPs 大约是粗分辨率 AI 天气模型的 10 倍，这与对流尺度动力学的更高信息密度一致。仅使用 17 天的数据训练，STRATA 就能在不同区域产生稳定的 24 小时全球展开，具有真实的公里尺度动力学，尽管随着领先时间的增加会出现大尺度偏差。它在 512 个 H100 GPU 上每个墙钟日实现 741 个模拟日，每兆瓦时实现 48 个模拟日——能源效率比 SCREAM 物理模型高出约 50 倍。代码和数据集公开可用。