HiRO-ACEv2 推出全球 3 km 氣候模擬,成本約為 X-SHiELD 的 1/300
HiRO-ACEv2: Simulating extreme weather at 3 km resolution for a fraction of the cost
HiRO-ACEv2 推出新的降尺度模型 HiROv2,可生成全球 3 km 氣候數據,整套系統成本約為 X-SHiELD 的 1/300。HiROv2 可同時預測多種高解析度氣象場;以降解析度的 X-SHiELD 數據為輸入時,即使是每百萬個數據點才出現一次的事件,高解析度統計與目標模擬仍相差不超過 3%。
內容比較 HiRO-ACEv2 與 X-SHiELD 的生成成本和極端天氣統計表現,並交代系統目前仍受限於按 X-SHiELD 調校的 ACE。
我們推出 HiRO-ACEv2,這是我們的 High Resolution Output Ai2 Climate Emulator (HiRO-ACE) 系統的最新版本。HiROv2 能以高準確度重現極為罕見的降雨、風力和氣壓事件,而整個系統生成全球 3 km 氣候數據的成本,約為 X-SHiELD 的 1/300。X-SHiELD 是一個高解像度全球大氣模型,會明確模擬風暴及其他小尺度天氣現象。
HiRO-ACE 於 2026 年較早時推出,由兩個部分組成:ACE 是一個以較粗略的 100 km 解像度運作的 AI 模型;HiRO 則會把這些粗略輸出精細化至 3 km 的細節。HiRO-ACEv2 最大的改進,是採用全新的降尺度模型 HiROv2。它現在可以 1)一次預測多個高解像度氣象場,而非只預測降雨,因此能捕捉範圍更廣的極端天氣;以及 2)提升極端事件預測能力。
我們開發 HiRO-ACEv2 時,主要目標是準確模擬極端事件。調整 HiROv2 的訓練方式後,它重現最強降雨、風力和氣壓數值的能力有所提升。輸入經降至較粗解像度的 X-SHiELD 數據後,即使是每百萬個數據點中只出現一次的罕見事件,它生成的高解像度統計數據與目標模擬結果的差距也不超過 3%。它亦能準確估算熱帶氣旋的總能量,包括訓練期間從未見過的風暴,並生成具有逼真風眼和雨帶的颶風;不過,風眼周圍的風力和氣壓分佈仍比 X-SHiELD 的略為不對稱。此外,HiROv2 亦能逼真地生成沿山坡下行的強風。
我們亦為這個系統訓練了更新版本的 ACE。在為期 10 年的模擬中,ACE 模擬出的颶風、平均氣候模式,以及降雨、風力和氣壓的整體分佈,均與 X-SHiELD 相當吻合。這表明 ACE 的粗略模擬是生成長期高解像度氣候數據的穩固基礎。
結合 HiROv2 和 ACE 後,我們生成了完整一年的全球 3 km 數據。其統計數據與 X-SHiELD 的十分接近,儘管 HiRO 使用的是 ACE 獨立執行的模擬,而非真實的 X-SHiELD 數據。在為期 10 年的模擬中,HiRO-ACEv2 生成的颶風能量與 X-SHiELD 同期的結果相若;該模擬的快照亦顯示了多種其他極端事件,形態與 X-SHiELD 中的事件相似。
HiRO-ACEv2 在為期 10 年的模擬中生成的一個北大西洋強烈颶風示例。
整體而言,HiRO-ACEv2 為研究人員提供了一種靈活且成本低廉的方法,可生成多個版本的高解像度降雨、風力和氣壓數據,用於研究長達 10 年或更久期間的極端事件。使用此係統生成全球高解像度數據,成本約為運行 X-SHiELD 的 1/300。如果只需要一個地區的數據,視乎範圍大小,節省的成本可超過百倍。我們亦正開發精簡版 HiROv2,預計可令速度再提升十倍以上。
我們仍有後續工作要做:由於 HiRO 是從 X-SHiELD 學習的,因此只適用於經調校以配合 X-SHiELD 的 ACE 版本。這表示它目前仍未能為其他氣候生成高解像度數據,例如較暖的未來,或 ERA5 等數據集中的歷史紀錄。接下來,我們計劃使用新的 X-SHiELD 數據集進行訓練,包括一個模擬氣温高 4°C 的世界的數據集,讓系統能處理不同氣候。我們也計劃加入近地表温度、雪和冰等輸出,支援更多用途,例如積雪預測。
HiRO 輸出的視覺化與應用
ACE 數據視覺化工具中的下加利福尼亞州上空模擬 10 m 風速:主地圖顯示 100 km 解像度的 ACE2,插圖顯示 3 km 解像度的 HiRO-ACEv2。
ACE 數據視覺化工具中,東北太平洋上空的模擬風暴。主地圖顯示 100 km 解像度的 10 m 風速;3 km 解像度的 HiRO-ACEv2 插圖則呈現風暴內更精細的結構。
為了讓用戶無須執行任何推理,也能輕鬆查看 HiRO 的輸出,我們製作了網上示範,並排展示 HiROv1 和 HiROv2 預先生成的降水量、風速及海平面氣壓輸出,以及它們接受訓練所用的模擬 X-SHiELD。這個示範補充了技術報告中的量化比較:它讓用戶快速查看輸出的視覺效果,亦可放大自己感興趣的地區,評估模型在當地的表現。
來源:Hugging Face Blog · huggingface.co



