為了更好地幫助社區應對極端天氣，氣象預報員首先需要準確了解天氣將會影響哪些地方。
這就是為什麼全球的氣象機構和氣候科學家正在使用 NVIDIA CorrDiff，這是一種生成式人工智慧氣象模型，能夠提供公里級別的風速、溫度以及降水類型和數量的預測。這是 NVIDIA Earth-2 平台的一部分，用於模擬天氣和氣候條件。
關於 CorrDiff 的研究論文今天在《通訊地球與環境》期刊上發表，這是《自然》系列科學期刊的一部分。這個模型作為易於部署的 NVIDIA NIM 微服務，已經被氣象科技公司、研究人員和政府機構用來提升他們的預測能力。
隨著極端天氣事件的頻率上升，快速且高解析度的天氣預測可以幫助減少對人們、社區和經濟的風險，支持風險評估、撤離計劃、災害管理以及氣候韌性基礎設施的發展。
全球的氣象機構和新創公司正在採用 CorrDiff 和其他 Earth-2 工具，以提高對極端天氣現象、可再生能源管理和農業規劃的預測精度。
高精度預測的未來
CorrDiff 使用生成式人工智慧來提升粗解析度氣象模型的精確度，將大氣數據的解析度從 25 公里縮小到 2 公里，這是使用擴散模型的方式，與當今的文本生成圖像服務所使用的人工智慧模型架構相同。
除了提升圖像解析度外，CorrDiff 還能預測輸入數據中未包含的相關變數，例如雷達反射率，這是用來指示降雨位置和強度的指標。
CorrDiff 是基於氣象研究與預報模型的數值模擬進行訓練，能以 12 倍的高解析度生成天氣模式。
最初的 CorrDiff 模型在 NVIDIA GTC 2024 上宣布，並在《通訊地球與環境》論文中描述，該模型在與台灣中央氣象局的合作下，針對台灣的氣象數據進行了優化。
NVIDIA 的研究人員和工程師接著努力將模型擴展到更大範圍的全球區域。在 2024 年超級計算大會上發布的 NVIDIA NIM 微服務版本，涵蓋了美國本土，並基於美國的氣象數據進行訓練，樣本數據包括颶風、洪水、冬季風暴、龍捲風和寒潮等真實世界的自然災害。
針對美國數據優化的 CorrDiff NIM 微服務比傳統的高解析度數值氣象預測快 500 倍，且能效提升 10,000 倍。
CorrDiff 背後的研究團隊持續提升模型的能力，並發布了額外的生成式人工智慧擴散模型，顯示如何增強模型以更穩健地解析不同環境中的小型細節，並更好地捕捉稀有或極端的天氣事件。
CorrDiff 還可以幫助預測下沉風，即強風通過街道時，對建築物造成損害並影響行人，特別是在城市地區。
氣象機構將 CorrDiff 應用於實際
全球的氣象機構和公司正在利用 CorrDiff 加速預測，應用於區域預報、可再生能源和災害管理。
例如，台灣的國家災害科技中心已經部署了 CorrDiff，以支持該地區的災害警報，因為 CorrDiff 在 NVIDIA 人工智慧平台上運行的能效，使其節省了估計的千兆瓦時的能源。CorrDiff 的預測已嵌入該中心的災害監測網站，幫助台灣的預報員更好地準備颱風。
在 NVIDIA GTC 探索 Earth-2
了解更多關於使用 Earth-2 的人工智慧應用，請參加 NVIDIA GTC，這是一個全球性的人工智慧會議，將於 3 月 17 日至 21 日在美國加州聖荷西舉行。相關的會議包括：
觀看 NVIDIA 氣候模擬研究主任 Mike Pritchard 的 TEDx 演講，了解人工智慧如何改變氣候科學：
本文由 AI 台灣 運用 AI 技術編撰，內容僅供參考，請自行核實相關資訊。
歡迎加入我們的 AI TAIWAN 台灣人工智慧中心 FB 社團，
隨時掌握最新 AI 動態與實用資訊！
