華盛頓大學大氣科學系教授 Dale Durran 介紹了一種突破性的深度學習模型，該模型結合了大氣和海洋數據來設定新的氣候和天氣預報準確性標準。
在此 NVIDIA GTC 2024 會議中，Durran 介紹了一些技術，這些技術可以減少對傳統參數化的依賴，使模型能夠繞過天氣預報中常見的許多近似值。HEALPix 網格（從天文學中借鑒的網格）通過準確呈現地球的球形形狀來提高空間精度，消除失真，從而實現更精確的全球預報。
該模型能夠以最小的漂移生成可靠的長期預測，使用 NVIDIA A100 Tensor Core GPU 進行快速訓練，使用 NVIDIA PhysicsNeMo 在模擬中集成機器學習，并使用 NVIDIA Omniverse 實現高保真可視化，從而提高氣候預測的準確性和可解釋性。
您將學習構建準確、長期的地球系統模型的高級方法，包括：
- 大氣 – 海洋耦合 ：結合大氣和海洋過程來穩定長期預報并提高可靠性。
- 無參數化建模 ：繞過傳統假設，實現數據驅動、更準確的預測。
- HEALPix 網格 ：使用 HEALPix 實現等面積表示，以提高全球建模的空間準確性。
- 高效的 GPU 訓練 ：針對 NVIDIA GPU 優化模型的 CNN 架構，以最少的計算資源實現高保真訓練。
- 實時衛星集成 ：整合衛星數據（例如外向長波輻射），以提高動態事件的預測準確性。
加入 NVIDIA 開發者計劃 ， 觀看使用深度學習地球系統模型進行子季節和季節性預測的會議 ，探索 NVIDIA On-Demand 的更多視頻，并從行業專家處獲取寶貴的技能和見解。
此內容部分借助生成式 AI 和大型語言模型制作而成。 它經過仔細審查，并由 NVIDIA 技術博客團隊編輯，以確保準確性、準確性和質量。
?
