論文の概要: FourCastNet: Accelerating Global High-Resolution Weather Forecasting using Adaptive Fourier Neural Operators

• arxiv url: http://arxiv.org/abs/2208.05419v1
• Date: Mon, 8 Aug 2022 06:06:31 GMT
• ステータス: 処理完了
• システム内更新日: 2022-08-11 12:24:05.152420
• Title: FourCastNet: Accelerating Global High-Resolution Weather Forecasting using Adaptive Fourier Neural Operators
• Title（参考訳）: fourcastnet:適応型フーリエニューラルネットワークを用いたグローバル高分解能気象予測の高速化
• Authors: Thorsten Kurth, Shashank Subramanian, Peter Harrington, Jaideep Pathak, Morteza Mardani, David Hall, Andrea Miele, Karthik Kashinath, Animashree Anandkumar
• Abstract要約: 現在の物理学に基づく数値天気予報(NWP)は、計算コストと厳密な解法限界による精度を制限している。 我々は,データ駆動の深層学習型地球エミュレータであるFourCastNetが,地球規模の気象を予測し,NWPより5桁高速な中距離予測を生成することを報告した。
• 参考スコア（独自算出の注目度）: 44.20526496271154
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Extreme weather amplified by climate change is causing increasingly devastating impacts across the globe. The current use of physics-based numerical weather prediction (NWP) limits accuracy due to high computational cost and strict time-to-solution limits. We report that a data-driven deep learning Earth system emulator, FourCastNet, can predict global weather and generate medium-range forecasts five orders-of-magnitude faster than NWP while approaching state-of-the-art accuracy. FourCast-Net is optimized and scales efficiently on three supercomputing systems: Selene, Perlmutter, and JUWELS Booster up to 3,808 NVIDIA A100 GPUs, attaining 140.8 petaFLOPS in mixed precision (11.9%of peak at that scale). The time-to-solution for training FourCastNet measured on JUWELS Booster on 3,072GPUs is 67.4minutes, resulting in an 80,000times faster time-to-solution relative to state-of-the-art NWP, in inference. FourCastNet produces accurate instantaneous weather predictions for a week in advance, enables enormous ensembles that better capture weather extremes, and supports higher global forecast resolutions.
• Abstract（参考訳）: 気候変動によって増幅された極度の天候は、世界中の壊滅的な影響を増している。 物理学に基づく数値天気予報(NWP)の現在の利用は、高い計算コストと厳密な解法限界による精度を制限している。 本研究では,データ駆動型深層学習システムエミュレータであるfourcastnetを用いて,地球規模の天気予報と,nwpよりも5桁早い中距離予報を生成できることを報告した。 fourcast-netは3つのスーパーコンピューティングシステム(selene、perlmutter、juwels booster)で最適化され、効率良くスケールできる。 3,072GPUでJUWELS Boosterで測定されたFourCastNetのトレーニング時間は67.4分であり、現在のNWPと比較して8,000倍高速である。 FourCastNetは、1週間前に正確な瞬時に天気予報を発生させ、天候の極端をよりよくとらえる巨大なアンサンブルを可能にし、より高いグローバルな予測解像度をサポートする。

関連論文リスト

• KARINA: An Efficient Deep Learning Model for Global Weather Forecast [2.9687381456164004]
  カリナは計算資源が大幅に少ない高解像度の予測精度を達成している。 カリナはConvNext、SENet、Geocyclic Paddingを統合し、2.5degの解像度で天気予報を強化する。 カリナは気象予報の精度を新たなベンチマークで設定し、ECMWF S2Sのような既存のモデルを最大7日間のリードタイムで上回った。
  論文  参考訳（メタデータ） (2024-03-13T06:41:37Z)
• GenCast: Diffusion-based ensemble forecasting for medium-range weather [10.845679586464026]
  我々は,世界最上位の中距離気象予測よりも高い技術と速度を持つ確率的気象モデルであるGenCastを紹介する。 GenCastは、12時間のステップと0.25度の緯度で、80以上の地表と大気の変数を8分で15日間のグローバルな予測のアンサンブルを生成する。 評価した1320の目標の97.4%よりも高いスキルを持ち、極端な天候、熱帯のサイクロン、風力発電を予測できる。
  論文  参考訳（メタデータ） (2023-12-25T19:30:06Z)
• Deep Learning for Day Forecasts from Sparse Observations [60.041805328514876]
  深層ニューラルネットワークは、気象条件をモデル化するための代替パラダイムを提供する。 MetNet-3は、密度とスパースの両方のデータセンサーから学習し、降水、風、温度、露点を最大24時間前に予測する。 MetNet-3は、それぞれ時間分解能と空間分解能が高く、最大2分と1km、運用遅延は低い。
  論文  参考訳（メタデータ） (2023-06-06T07:07:54Z)
• FengWu: Pushing the Skillful Global Medium-range Weather Forecast beyond 10 Days Lead [93.67314652898547]
  人工知能(AI)に基づく高度データ駆動型中距離気象予報システムFengWuについて紹介する。 FengWuは大気力学を正確に再現し、0.25度緯度で37の垂直レベルで将来の陸と大気の状態を予測することができる。 その結果、FengWuは予測能力を大幅に向上させ、熟練した中距離気象予報を10.75日間のリードまで拡張できることがわかった。
  論文  参考訳（メタデータ） (2023-04-06T09:16:39Z)
• GraphCast: Learning skillful medium-range global weather forecasting [107.40054095223779]
  我々は、再分析データから直接トレーニングできる「GraphCast」と呼ばれる機械学習ベースの手法を導入する。 全世界で10日以上、0.25度で、数百の気象変動を1分以内で予測する。 我々は,GraphCastが1380の検証対象の90%において,最も正確な運用決定システムよりも優れていることを示す。
  論文  参考訳（メタデータ） (2022-12-24T18:15:39Z)
• Pangu-Weather: A 3D High-Resolution Model for Fast and Accurate Global Weather Forecast [91.9372563527801]
  我々は,世界天気予報を迅速かつ高精度に予測するためのディープラーニングベースのシステムであるPangu-Weatherを紹介する。 初めてAIベースの手法が、最先端の数値天気予報法(NWP)を精度で上回った。 Pangu-Weatherは、極端な天気予報や大規模なアンサンブル予測など、幅広い下流予測シナリオをサポートしている。
  論文  参考訳（メタデータ） (2022-11-03T17:19:43Z)
• FourCastNet: A Global Data-driven High-resolution Weather Model using Adaptive Fourier Neural Operators [45.520430157112884]
  FourCastNetは、表面風速、降水量、大気水蒸気などの高解像度で高速な変数を正確に予測する。 風力エネルギー資源の計画、熱帯のサイクロン、熱帯のサイクロン、大気の川などの極端な気象現象の予測に重要な意味を持つ。 FourCastNetは2秒未満で1週間の予測を生成する。
  論文  参考訳（メタデータ） (2022-02-22T22:19:35Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。