在 NVIDIA Modulus 中訓練 CorrDiff

本文在示例中展示了超分辨率和新通道合成，以訓練 CorrDiff 將臺灣周圍 25 公里的 ERA5 數據轉換為 2 公里數據。

這一數據由臺灣氣象部門（CWA）使用高分辨率區域數值天氣預報模型生成。該數據集在 CC BY-NC-ND 4.0 許可證下可用于非商業用途，并且可通過 NGC 下載。有關該模型的具體說明，請參閱 /NVIDIA/modulus GitHub 資源庫中的“入門”部分。

NVIDIA Modulus 除易于使用外，另一個關鍵優勢就是性能優化。目前，在 NVIDIA Tensor Core GPU 上訓練 CorrDiff 需要 2 千至 3 千 GPU 小時。CorrDiff 團隊正在進一步優化訓練程序，以將在類似硬件上生成一個超分辨率樣本的時間縮短到只需幾秒鐘。

通過 Modulus 推理 CorrDiff

圖 1. 通過 CorrDiff 方法實現基于生成式 AI 的降尺度

資料來源：《用于公里尺度大氣降尺度的殘余擴散模型》

有關生成樣本并將其保存到 NetCDF 文件的更多說明，請參閱 /NVIDIA/modulus GitHub 資源庫。運行推理需要為回歸和擴散模型設置 Modulus 的 checkpoint。這些 checkpoint 將作為訓練流程的一部分而保存。

了解更多信息并獲取訪問權限，請參閱 NGC 目錄中的 CorrDiff 推理包。

追蹤臺灣上空的風暴

通過如下將 CorrDiff 用于解決極端天氣問題的示例，本文將介紹追蹤臺灣上空風暴所面臨的挑戰。

雖然全球 AI 預報模型在預測風暴路徑方面表現出色，但由于其分辨率有限，僅為 25 公里，無法捕捉精細尺度細節，而這些細節通常包含對風暴相關損害至關重要的最強風力和降水。

在 25 公里的分辨率下，ERA5 輸入數據中的臺風結構往往沒有得到充分的解析，導致對其規模和強度的描述不準確。此外，ERA5 還缺少與物理危害相關的風眼墻和雨帶的關鍵空間細節。

臺灣是全球最潮濕的地區之一，年降雨量達 2600 毫米（約為全球平均降雨量的 3 倍），年均災害成本高達 6.5 億美元。造成這一經濟負擔的原因是季節性臺風給島上帶來大量降雨，導致大面積洪澇，造成生命和財產損失，并且需要進行大規模疏散。

災害風險是反映災害嚴重程度和頻率、暴露在災害中的人員和資產數量及其易受破壞程度的綜合指標。圖 2 是政府間氣候變化專門委員會（IPCC） 2022 年第六次評估報告中關于影響、適應性和脆弱性的示意圖。

圖 2. 日益復雜的氣候相關風險

資料來源：IPCC AR6，WG2，第1章，第146-147頁

臺灣災害防救科技中心（NCDR）概述了臺風應對計劃的四個階段（圖 3）。

圖 3. 臺風應對計劃的四個階段（來源：NCDR）

前兩個階段，即啟動和準備階段，主要是分析風險和發布災害警報。第 3 和第 4 階段，即響應和恢復階段，專門用于監控災害和實施應對措施。

NVIDIA 技術則能夠應對這些挑戰。

AI 天氣預報的增強功能可強化第 1 和第 2 階段的風險分析。通過改進天氣預報技術，特別是通過更高的分辨率和更大的集合，就可以更加全面地評估暴露風險。

NVIDIA 開創性的生成式 AI 擴散模型—— CorrDiff 模型，正是在臺灣氣象部門（CWA）納入了雷達數據的高分辨率 WRF 數據和歐洲中期天氣預報中心的 ERA5 在分析數據上訓練而成的。

通過 CorrDiff，臺風等極端天氣現象預測可以從 25 公里分辨率顯著提高至 2 公里分辨率。

圖 4. 臺風“燦都”的超分辨率圖

在這篇文章中，已經證明了通過將 ERA5 從 25 公里降尺度到 2 公里，可以探索更多的本地預報情景，從而清晰地描繪出風暴的最好情況、最壞影響和最有可能的影響。

圖 5. 臺風路徑預測集合

評估不確定性至關重要。然而，在有限的計算資源條件下，必須在集合預報成員的數量和分辨率之間做出權衡。NCDR 制作的預報由大約 200 個不同分辨率的集合成員組成。

CorrDiff 等先進 AI 技術的加入帶來了一場重大的變革——即能夠在單個 GPU 節點上近乎實時地將集合預報成員數量擴展到數千個。

臺灣氣象部門前負責人鄭明典在談到 NVIDIA 生成式 AI CorrDiff 模型的變革潛力時，強調了其徹底變革天氣預報的強大能力。鄭明典強調 CorrDiff 能夠生成公里尺度的天氣預報，使社會能夠以前所未有的準確度預測極端天氣事件的細節特征，從而幫助減災工作開展。

臺灣災害防救科技中心主任陳宏宇對此表示贊同，并強調了 CorrDiff 對于應對前所未有的各種自然災害影響方面具有重要意義。他表示 CorrDiff 是一項保障公共安全的創造性解決方案。

實現 AI 氣象普及化并賦能氣候技術

總而言之，NVIDIA Earth-2 實現了氣象信息獲取的普及化，體現了將氣候科學的影響范圍擴展到學術界之外的現代舉措，使決策者、企業、記者和民眾都能輕松獲取氣候信息。

作為基于 NVIDIA 生成式 AI 技術的先進降尺度模型，CorrDiff 在各個領域都大有可為：

在金融服務領域，CorrDiff 可以幫助用戶在風險評估和資產管理方面做出明智決策；

在能源領域，CorrDiff 的精確降尺度功能可實現更好的資源分配和基礎設施規劃，這對優化能源生產和分配至關重要；

政府機構可以使用 CorrDiff 加強備災和救災工作；

個人用戶可以通過更準確的本地化天氣預報感受到 CorrDiff 對日常規劃和安全保障的影響。

憑借自身出色的適應性和效率，CorrDiff 可以幫助產出具有可執行性的洞察和精準的預報，助力構建建設一個更具應變能力的世界。

以上就是本期的全部內容，本系列文章到此也將告一段落。未來，NVIDIA Earth-2 將持續為生成式AI推動的氣候技術發展注入新活力，通過實現準確且具成本效益的天氣預報，增強對氣候變化的認知與應對能力，助力構建更美好的環境和更可持續的未來。

審核編輯：劉清