云智一体算力中心运营服务研究

随着数字经济的不断发展,尤其是近两年AIGC技术的快速进步,算力服务作为新型基础设施建设的重要组成部分,受到了国家层面的高度重视,并出台了一系列政策和行动计划来支持其发展。算力中心作为算力的主要载体,是支撑数字经济发展的重要资源和基础设施。近年来,随着人工智能技术快速发展,对智算中心的需求迅速增长。要充分发挥智算中心的性能,需将算力、存储、网络、数据和算法有效结合,本文提出了云智一体的算力中心运营服务方法,同时提出了云智一体算力中心面临的挑战及应对方法,以供参考。

基于人工智能大模型改进全球天气和海浪预报

随着人工智能技术的飞速进步,一系列人工智能驱动的天气预报大模型应运而生,它们显著超越了传统数值天气预报模型的局限,在预测精度和计算效率上取得了显著的提升,逐渐成为了大气-海洋预报领域中强大的工具.本研究探讨了这些先进的人工智能预报大模型的演变,并基于具有代表性的大模型的共性,提出了天气预报大模型的“三大原则”:庞大的参数规模、大量的预报对象和巨大的应用潜力.除此之外,文章探讨了人工智能如何重塑数值天气预报的格局,并概述了其背后的关键因素.在认可人工智能天气大模型的高精度、高效计算和易部署性的同时,不能忽视传统数值预报的固有价值.同时,我们对人工智能在大气-海洋预报大模型未来发展中的挑战进行了深入分析.我们相信,大气-海洋天气预报的未来在于耦合人工智能与传统数值模式的混合模型,这种融合有可能为提升大气-海洋预报的准确性和可靠性开辟新的途径.最后,通过一个海浪预报实例展示了如何利用大型天气预报模型,以实现更加精准预测.

FuXi-Extreme:利用扩散模型改进极端降雨和风速预报

基于机器学习(Machine Learning,ML)的天气预报模型近些年取得了显著进展,展示了优越的预报性能.与欧洲中期天气预报中心(European Centre for Medium-Range Weather Forecasts,ECMWF)的高分辨率预报(High-Resolution Forecasts,HRES)相比,FuXi等先进的基于ML的天气预报模型,在统计预报指标上表现出色.然而,这些模型存在着共同的局限性,即随着预报时间步长的增加,预报结果趋于平滑,导致极端天气事件强度的低估.为了解决这一问题,本文研发了FuXi-Extreme模型.该模型采用去噪扩散概率模型(Denoising Diffusion Probabilistic Model,DDPM),增强了FuXi模型在5天预报中的地表预报数据细节.对极端总降水量(Total Precipitation,TP)、10m风速(10-meter Wind Speed,WS10)和2m温度(2-meter Temperature,T2M)的评估表明,FuXi-Extreme在性能上优于FuXi和HRES.此外,基于国际热带气旋最佳路径资料集(International Best Track Archive for Climate Stewardship,IBTrACS)的评估显示,与HRES相比,FuXi和FuXi-Extreme在热带气旋(Tropical Cyclone,TC)路径预报方面表现优异,但在TC强度预报方面仍有不足.