1 分钟内完成 15 天预报，英伟达/UC 伯克利等提出机器学习天气预报系统 FCN3，支持单卡极速推理
💡
原文中文，约5800字，阅读约需14分钟。
📝
内容提要
自20世纪以来，数值天气预报（NWP）成为气象预测的重要工具，但传统模型计算成本高。研究团队推出FourCastNet 3（FCN3），结合概率机器学习与球面信号处理，显著提升预测速度与精度。FCN3在单张GPU上可快速生成高分辨率天气预报，超越传统模型，推动气象预测技术进步。
🎯
关键要点
- 自20世纪以来，数值天气预报（NWP）极大地革新了气象预测方式。
- 传统NWP模型计算成本高，难以满足快速、精准的预报需求。
- 研究团队推出FourCastNet 3（FCN3），结合概率机器学习与球面信号处理，提升预测速度与精度。
- FCN3在单张GPU上可在60秒内完成15天天气预报，速度超越传统模型。
- FCN3的核心训练数据来源于ERA5数据集，涵盖多种观测数据。
- FCN3模型由编码器、解码器和神经算子块组成，能有效捕捉大气演化的不确定性。
- FCN3在多个关键维度上超越传统NWP，具备高效的计算能力和物理保真度。
- 全球范围内，多个机构在概率机器学习天气预报系统领域取得显著成果。
- 未来的概率机器学习天气预报系统将更精准地捕捉大气动态，为应对气候变化提供技术支持。
❓
延伸问答
FourCastNet 3（FCN3）是什么？
FCN3是一种结合概率机器学习与球面信号处理的天气预报系统，能够在单张GPU上快速生成高分辨率天气预报。
FCN3与传统数值天气预报模型相比有什么优势？
FCN3在速度和精度上均超越传统模型，能够在60秒内完成15天天气预报，速度是传统模型的60倍。
FCN3的训练数据来源是什么？
FCN3的核心训练数据来源于ERA5数据集，该数据集包含了多种观测数据的逐小时地球大气状态再分析数据。
FCN3的模型架构是怎样的？
FCN3由编码器、解码器和多个神经算子块组成，采用球面神经算子设计，能够有效捕捉大气演化的不确定性。
FCN3在天气预报中的应用前景如何？
FCN3的技术进步将推动天气预报的精度和效率，为应对气候变化提供技术支持，具有广泛的应用前景。
FCN3的训练过程是怎样的？
FCN3的训练过程分为三个阶段，包括初始预训练、基于初始场的自回归训练和微调阶段，使用大量的ERA5数据。
➡️
