DeepMind与Google Research齐发力，多技术路线打造AI天气预报的「六边形战士」
内容提要
2024年，Nature评选出十大人物，Google DeepMind的Rémi Lam因其在天气预报领域的贡献入选。他的团队开发了GraphCast和GenCast模型，利用机器学习与传统方法结合，提高了天气预报的准确性。
关键要点
-
2024年，Nature评选出十大人物，Google DeepMind的Rémi Lam因其在天气预报领域的贡献入选。
-
Rémi Lam及其团队开发了GraphCast和GenCast模型，利用机器学习与传统方法结合，提高了天气预报的准确性。
-
GraphCast是基于图神经网络的自回归模型，能够在1分钟内以0.25°的分辨率预测全球未来10天的数百个天气变量。
-
GenCast是基于扩散模型的天气预报方法，能够在8分钟内生成包含随机性的15天全球天气预报，空间分辨率为0.25°。
-
短期、中期和长期天气预报的技术需求不同，短期预报需要高分辨率，长期预报则倾向于基于模式识别和统计学。
-
NeuralGCM结合了传统的流体动力学求解器和机器学习，能够处理小尺度现象并纠正误差。
-
DeepMind与Google Research在天气预报领域实现了多点开花，涵盖了确定性的中短期天气预报和长期气候预测。
-
华为、微软和英伟达等公司也在天气预报领域取得了显著成果，推动了技术的多样化发展。
-
天气预报研究正以百家争鸣的态势蓬勃发展，未来AI与传统数值预报的结合仍是更优解法。
延伸问答
Rémi Lam在天气预报领域的贡献是什么？
Rémi Lam因其在天气预报领域的贡献入选2024年Nature十大人物，他的团队开发了GraphCast和GenCast模型，结合机器学习与传统方法，提高了天气预报的准确性。
GraphCast模型的主要特点是什么？
GraphCast是基于图神经网络的自回归模型，能够在1分钟内以0.25°的分辨率预测全球未来10天的数百个天气变量。
GenCast模型与GraphCast有什么不同？
GenCast基于扩散模型实现，并使用Transformer进行去噪，能够在8分钟内生成包含随机性的15天全球天气预报，而GraphCast则是基于图神经网络的自回归模型。
NeuralGCM模型的优势是什么？
NeuralGCM结合了传统的流体动力学求解器和机器学习，能够处理小尺度现象并纠正误差，在1-15天的天气预报和长期气候预测中表现优异。
天气预报的短期、中期和长期预报有什么不同的技术需求？
短期预报需要高分辨率和详细信息，中期预报关注趋势，长期预报则倾向于模式识别和统计学，技术需求各不相同。
目前天气预报领域的技术发展趋势是什么？
天气预报领域正以百家争鸣的态势蓬勃发展，AI与传统数值预报的结合被认为是更优解法，未来可能会出现多种技术路线并行的局面。
