Kupu-Kupu yang Sulit Dicapai

Metode peramalan cuaca di seluruh dunia disebut perhitungan numerik. Setelah mengumpulkan data meteorologi yang cukup dan kaya, data tersebut disubstitusi ke dalam persamaan yang rumit, dan hasilnya disebut ramalan. Mengulangi proses ini, ramalan akan berlanjut.

Di belakang persamaan ini terdapat beberapa teori padat, seperti persamaan gerak fluida, persamaan termodinamika dan antarmuka yang berbeda, gas, air, persamaan pertukaran energi bahan es tanah, dll. Hukum fisika dan kimia yang diwakilinya telah dihitung dan diverifikasi dengan cermat.

Tapi ramalan cuaca masih belum sepenuhnya akurat. Prediksi numerik semacam ini untuk memprediksi tren masa depan melalui perubahan elemen meteorologi yang telah terjadi, dan keakuratannya sangat dipengaruhi oleh keakuratan data pengamatan.

Terlebih lagi, dengan perubahan skala ruang dan waktu, kompleksitas sistem meteorologi akan meningkat secara dramatis. Di satu sisi, ketika menganalisis penyebab cuaca, akan ada banyak hal yang hilang, dan di sisi lain, akan ada lebih banyak kesalahan dalam data, yang pada gilirannya mempengaruhi hasil prediksi.

Dan ketika skalanya cukup besar, cuaca akan memasuki keadaan kacau. Ini bukan metafora. Sistem meteorologi adalah sistem kekacauan yang tipikal. Teori chaos pertama kali diajukan oleh ahli meteorologi pada tahun 1963.

Sistem yang kacau berarti bahwa gangguan yang sangat kecil pada sistem dapat memiliki konsekuensi yang sangat berbeda — nama lain untuk itu adalah efek kupu-kupu, di mana kupu-kupu mengepakkan sayapnya di California dan badai melanda Texas dan Teluk Meksiko.

Hal ini mengharuskan perhitungan awal nilai harus sangat akurat, tetapi kita semua tahu bahwa akurasi absolut tidak ada, belum lagi dalam menghadapi pergerakan meteorologi yang begitu kompleks, terlalu banyak jenis dan jumlah data yang harus dikumpulkan. .

Prediksi manusia tentang cuaca seperti mencoba mempelajari hubungan antara sayap kupu-kupu dan lintasan mata badai, luar biasa, terkadang tanpa harapan, dan bahkan esoteris.

Di satu sisi, persamaan fungsional yang semakin kompleks dibangun dalam hal akurasi, dan sebanyak mungkin data dikumpulkan dalam interval yang lebih pendek, di sisi lain, mereka mengandalkan pengalaman yang hampir "intuitif".

Hingga saat ini, semua hasil prakiraan cuaca masih ditentukan oleh dua bagian—hasil perhitungan numerik, ditambah penilaian peramal. Peramalan cuaca masih sangat bergantung pada pengalaman manusia.

Sampai batas tertentu, manusia menggunakan perasaannya sendiri untuk melawan kekacauan alam.

superkomputer

Oleh karena itu, peramalan meteorologi menghadirkan karakteristik yang aneh—karena selama seseorang mengandalkan pengalaman dan perasaan manusia, akan selalu ada saat-saat kegagalan, terutama di beberapa iklim ekstrim, karena data tentang iklim ekstrim terlalu langka, menyebabkan manusia tidak pengalaman yang koheren tentangnya.

Namun, karena keakuratan prediksi numerik telah meningkat selama beberapa dekade terakhir, ramalan cuaca saat ini dapat mencapai tingkat yang cukup akurat dalam banyak kasus. Ramalan kegunaan jangka menengah mendekati 10 hari, dan ramalan jangka pendek—untuk Misalnya ketika udara dingin akan tiba, berapa suhu yang akan turun, manusia sudah bisa menilai dengan sangat akurat. Ini karena meskipun perubahan lingkungan iklim global secara keseluruhan kacau, pada banyak tingkat mikroskopis, seperti pembentukan massa udara, perubahan tekanan udara, dan lintasan pergerakan awan, dijelaskan secara jelas dan akurat oleh semakin banyak fungsi dan rumus .

Misalnya, hujan deras baru-baru ini di Beijing, Tianjin, dan Hebei.

Dari 29 Juli hingga 1 Agustus, Topan Dusurui bergerak ke utara dengan uap air yang melimpah dan dihadang oleh tekanan tinggi di China Utara.Hujan badai ekstrem yang jarang terlihat dalam sejarah terjadi di wilayah Beijing-Tianjin-Hebei.

Ekstrim tercermin dalam beberapa aspek, yang pertama adalah kuantitas yang besar. Curah hujan di Kabupaten Lincheng, Xingtai, Provinsi Hebei melebihi 1.000 milimeter, atau 1 meter, yang sama dengan jumlah total curah hujan dalam dua tahun asli di sini. Kedua, berlangsung selama hampir empat hari mulai dari 29 Juli, dan hujan terus menerus selama 83 jam bahkan di Beijing. Hebei, Shaanxi, Henan dan tempat lain juga mengalami hujan lebat selama dua hari berturut-turut. Akhirnya, ia memiliki pengaruh yang luas, dan seluruh Cina Utara diselimuti hujan.

Peramal meramalkan hujan ekstrem ini dengan akurasi yang hampir sempurna. Di balik ini adalah kemajuan besar peramalan cuaca selama beberapa dekade terakhir-perhitungan numerik telah berkembang dari seperangkat persamaan sederhana menjadi salah satu algoritme paling kompleks di dunia.Lagipula, semakin banyak data dan algoritme digunakan untuk menangkap cuaca Nah, dan untuk menangani data dalam jumlah besar dan algoritme kompleks ini, superkomputer diperkenalkan.

Banyak orang mungkin tidak memiliki konsep tentang jumlah data cuaca yang sangat besar, tetapi berikut adalah gambarannya: Setiap hari, data cuaca China tumbuh hingga 40TB. negara saya telah membentuk satu set lengkap jaringan pengamatan cuaca tiga dimensi, dengan lebih dari 70.000 stasiun pengamatan meteorologi yang mencakup 99,6% kota dan desa di negara itu. Waktu transmisi data telah dipersingkat dari 1 jam di masa lalu menjadi 1 menit belakangan ini bertahun-tahun.

Cukup sulit untuk menangani data yang begitu besar itu sendiri, tetapi hampir tidak mungkin menggabungkannya dengan persamaan perhitungan numerik—persamaan diferensial parsial kompleks dan perhitungan floating-point memerlukan banyak perhitungan. membutuhkan ketepatan waktu yang sangat tinggi Di bawah berbagai kendala, hanya superkomputer yang dapat memenuhi permintaan tersebut.

Untungnya, Cina berada di garis depan dunia dalam hal ini.

Superkomputer selalu menjadi ciri khas China. Misalnya, China memiliki 162 dari 500 superkomputer tercepat di dunia. Contoh lainnya adalah saya telah memenangkan penghargaan tertinggi untuk aplikasi superkomputer internasional - Penghargaan Gordon Bell tiga kali. Dua di antaranya adalah The dua konten pemenang penghargaan "Atmospheric Dynamics Framework" dan "Earthquake Simulation" keduanya terkait dengan meteorologi.

Superkomputer yang saat ini digunakan di China disebut "Pai-Dawn". Kecepatan komputasi puncaknya mencapai 8189,5 triliun kali per detik, dan kapasitas penyimpanannya mencapai 23088TB. Skala tersebut telah melonjak ke posisi ketiga di dunia dalam bidang meteorologi.

Ini belum berakhir. Dengan pesatnya pertumbuhan volume data dan keausan perangkat keras, masa pakai superkomputer sebagian besar adalah 6 hingga 8 tahun. Oleh karena itu, setelah "Pai-Dawn", superkomputer baru juga diluncurkan satu demi satu. Batch pertama subsistem komputasi kinerja tinggi (HPC) tingkat negara bagian 1 yang pertama tahun ini telah dipasang dan dibangun. Kinerjanya telah lebih ditingkatkan dibandingkan dengan "Pai-Dawning", mencapai 13PFlops, dan kapasitas penyimpanannya juga meningkat menjadi 76PB.

Lebih banyak superkomputer sedang dalam perjalanan.

Peta konsep sistem komputer kinerja tinggi domestik "Pai-Shuguang" Gambar berasal dari Pusat Informasi Meteorologi Nasional.

** "Stagnasi" dan Cara Baru**

Secara umum, superkomputer yang terdiri dari ratusan atau ribuan CPU merupakan fondasi yang kuat untuk prakiraan cuaca, tetapi masih ada hal-hal yang tidak dapat dilakukan atau sulit dilakukan.

Seperti topan. Prediksi kami tentang Topan Dusurui jauh dari akurasi prediksi hujan lebat. Metode prediksi topan arus utama di dunia semuanya menggunakan model dinamis, yang mensimulasikan gerakan atmosfer berdasarkan hukum fisika atmosfer, termasuk dinamika fluida dan termodinamika, lalu memprediksi perubahan topan.

Ada banyak ketidakakuratan dalam model dinamis, yang pada awalnya membuat semua orang memprediksi jalur Du Surui dengan berbagai cara.Pusat Prakiraan Cuaca Jarak Menengah Eropa, yang diakui lebih berwibawa dan akurat di bidang ini, pernah percaya bahwa Du Surui akan langsung menuju Delta Sungai Mutiara.

Padahal, peramalan topan selalu menjadi masalah dunia, karena topan dapat mengalami perubahan intensitas yang drastis dalam waktu singkat, dan jalurnya tidak dapat diprediksi karena pengaruh banyak faktor dalam skala ruang-waktu yang sangat besar.

Ini adalah sistem kekacauan yang khas.

Oleh karena itu, prakiraan cuaca berdasarkan prediksi numerik telah menjadi kontradiksi yang kompleks, yang membuatnya memiliki ruang besar untuk perbaikan, tetapi sangat terbatas - satu-satunya cara bagi orang untuk mendekati akurasi adalah dengan mengumpulkan pengalaman Mengumpulkan data dan membangun lebih banyak dan lebih banyak lagi. fungsi yang lebih kompleks, tetapi manfaat marjinalnya menjadi semakin kuat.Lebih banyak data tidak dapat secara signifikan dan komprehensif meningkatkan keakuratan prakiraan cuaca pada skala makro dan mikro, sementara secara umum Biaya komputasi terus meningkat.

Pada titik ini, situasinya tampaknya menemui jalan buntu. Data masif, algoritme yang kompleks, dan kebutuhan daya komputasi yang tinggi membuat kalkulasi numerik menjadi hambatan sampai batas tertentu, tetapi apakah ketiga kondisi ini terlihat familier?

Tampak seperti tiga elemen model besar?

Bahkan, dalam materi seminar internal teknologi meteorologi yang dilihat Pinwan, beberapa ahli langsung menyatakan bahwa kecerdasan buatan dan kerja meteorologi memiliki kesamaan metodologi.

Karena rumus perhitungan numerik tidak dapat benar-benar menghabiskan semua sebab dan akibat di seluruh sistem yang kacau, mengapa tidak menggunakan metode jaringan saraf untuk mengimpor data besar ke dalamnya, dan membiarkan komputer menemukan dan mempelajari hukumnya sendiri?

Ini tampaknya merupakan penjelasan yang tak terlukiskan, namun sangat misterius dan masuk akal.

ENIAC, komputer elektronik pertama umat manusia, dan EDSAC, komputer pertama yang dibangun menurut struktur von Neumann, sebenarnya digunakan untuk melakukan perhitungan ilmiah terkait meteorologi. Perkembangan meteorologi selalu sejalan dengan perkembangan ilmu komputer Kemajuan terkait erat-komputasi kinerja tinggi telah mempromosikan solusi masalah kompleks dalam ilmu meteorologi, dan setelah melompat keluar dari pemikiran komputasi umum, jaringan saraf dan model besar tampaknya menjadi arah yang sangat menarik dan masuk akal untuk meteorologi dan peramalan cuaca .

Bahkan, Observatorium Meteorologi Pusat mengacu pada hasil model skala besar kecerdasan buatan untuk prediksi lintasan Topan Dusurui.

Cara lain

Model meteorologi besar tidak muncul dengan popularitas AI generatif pada akhir tahun lalu. Ada banyak model besar yang menggunakan daya komputasi yang kuat, data dalam jumlah besar, dan berbagai arsitektur pembelajaran mendalam untuk memprediksi cuaca. Yang lebih terkenal di luar negeri adalah Nvidia FourCastNet, DeepMind, GraphCast Google, dan ClimaX Microsoft, model domestik terbaru adalah model Huawei Pangu dan model Shanghai Fengwu, yang terakhir dari Shanghai Artificial Intelligence Laboratory.

Baik Pangu dan Fengwu menggunakan set data analisis ulang meteorologi Pusat Meteorologi Eropa bernama ERA5, yang menyediakan total 2000TB berbagai data meteorologi yang mencakup 37 permukaan isobarik di permukaan bumi selama 60 tahun terakhir.

Data ini memberikan ruang bagi model besar untuk bermain - alih-alih menggunakan kalkulasi numerik yang tepat dan sesuai, AI dapat lebih fleksibel menambang berbagai hubungan kompleks antar data.

Pangu membangun struktur trafo 3D untuk mengintegrasikan proses fisik interaktif yang kompleks dari lautan, atmosfer, dan daratan. Di masa lalu, model iklim besar, seperti FourCastNet Nvidia, menggunakan struktur 2D—setiap permukaan isobarik adalah lapisan, tentunya, di sana tidak ada cara bagi bidang 2D untuk mencerminkan proses perubahan meteorologi dengan lebih baik.

Menurut materi yang dilihat oleh Pinwan, Huawei menggunakan pengkodean posisi absolut dalam struktur 3D ini, yang secara signifikan mempercepat konvergensi model. Selain itu, Huawei melatih empat model dasar masing-masing sesuai dengan 1 jam, 3 jam, 6 jam, dan 24 jam. Prediksi per jam, metode fusi domain waktu secara signifikan mengurangi kesalahan yang disebabkan oleh ukuran langkah yang kecil dan beberapa iterasi pada model sebelumnya.

Untuk prediksi topan yang lama dan sulit, Pangu menggunakan mean sea level pressure sebagai tolok ukur prediksi, dan hasilnya lebih baik dari Badan Meteorologi Eropa.

Gagasan model besar Fengwu adalah menggunakan 6 encoder independen untuk menyandikan dan mendekode parameter meteorologi yang berbeda (kelembaban, angin, suhu, dll.), Dan menggunakan jaringan transformator independen untuk belajar di antara variabel yang berbeda.

Berbeda dari metode fusi domain waktu Huawei untuk mengurangi kesalahan, Fengwu merancang ruang cache untuk menyimpan dan memutar ulang hasil proses pelatihan, sehingga jaringan saraf dapat beradaptasi dengan kesalahannya, sehingga mencapai hasil prediksi yang lebih baik.

Meskipun hasil prediksi model skala besar meteorologi baru ini masih awal, dan hasil yang dipublikasikan lebih baik daripada metode prediksi numerik tradisional dalam beberapa indikator tertentu, pengujian dan pengoptimalan yang komprehensif masih diperlukan, tetapi tidak ada keraguan bahwa mereka mewakili sejenis Paradigma baru yang sangat berbeda dari prakiraan cuaca tradisional.

Saat ini, model besar Pangu Huawei telah mencapai operasi bisnis awal di pusat prakiraan cuaca jarak menengah Eropa, sementara Fengwu mengklaim sebagai model prakiraan cuaca AI resolusi tinggi global yang paling akurat, dan kesalahan prakiraan Du Surui 24 jam sebelumnya adalah 38,7 kilometer, lebih baik dari 54,11 kilometer dari Pusat Prakiraan Cuaca Jangka Menengah Eropa.

Jalan Panjang ke Depan

Perubahan akan datang. Model cuaca besar berpotensi membalikkan paradigma prakiraan cuaca dalam banyak hal, seperti kecepatan. Fengwu menggunakan GPU untuk menghasilkan 37 tingkat hasil prakiraan cuaca presisi tinggi dan beresolusi tinggi untuk semua wilayah di dunia dalam 14 hari ke depan dalam 1 menit, sedangkan prakiraan cuaca 7 hari Pangu hanya membutuhkan 9,8 detik untuk dihasilkan.

Oleh karena itu, sistem transmisi data cuaca waktu nyata dan infrastruktur daya komputasi umum yang dibuat untuk perhitungan numerik akan berubah. Menurut orang dalam Biro Meteorologi yang dipelajari Pinwan, meski hanya dijadikan acuan prakiraan dalam jangka pendek, dalam jangka menengah dan panjang, potensi model meteorologi besar tidak diragukan lagi sangat besar.

Sekarang, mungkin ada dua masalah utama yang dihadapi oleh model meteorologi besar ini, yang pertama adalah penyetelan. Bagaimana memberi label data dengan benar seperti iklim ekstrem dalam model besar adalah masalah. Model AI memiliki kemampuan pemasangan yang kuat, sehingga dapat terjadi kesalahan dalam perkiraan jangka panjang. Ini bisa disebut "ilusi" dari data besar model meteorologi.

Selain itu, model skala besar saat ini tidak memiliki pengetahuan industri yang lebih dalam tentang cadangan, dan pembuatan model dilakukan oleh ilmuwan komputer daripada ahli meteorologi, yang berarti bahwa model skala besar vertikal ini masih kekurangan "umpan balik manusia" penyetelan.

Masalah lainnya adalah kekuatan komputasi biasa. Meskipun negara saya berada di antara yang teratas di dunia dalam hal pengembangan superkomputer, model besar tidak menggunakan kekuatan komputasi umum dari superkomputer tradisional. Pengoperasian jaringan dalam membutuhkan komputasi paralel berskala besar. Ini adalah GPU berkinerja tinggi, dan kami masih terjebak dalam hal ini.

Untungnya, biaya daya komputasi yang terlibat langsung dalam cuaca model besar tidak tinggi Menurut situasi yang dipelajari oleh Pinwan, puluhan kartu grafis Nvidia (bahkan model yang paling canggih sekalipun) dapat diselesaikan dalam beberapa minggu, paling banyak 2 bulan Pelatihan model. Ini juga menjadi keunggulan dibandingkan model prediksi numerik tradisional.

Dengan restu dari model cuaca yang besar, frasa "tak terduga" akan segera menjadi proposisi yang salah, dan suatu hari, mungkin kita benar-benar dapat memprediksi dari mana datangnya kupu-kupu yang beterbangan dan angin topan yang dahsyat.