內含教程丨微軟Aurora計算速度提升5000倍，可預測極端天氣/空氣質量/海浪/氣旋路徑等 原創(chuàng)
隨著全球氣候變化和自然災害頻發(fā)，精確可靠的地球系統預測對于減輕災害影響、支持人類社會進步都至關重要。傳統的數值模型雖然功能強大，但計算成本極高，限制了其廣泛應用。近年來，人工智能在環(huán)境預測領域展現出巨大潛力，特別是在提高預測性能和效率方面。然而，在地球系統多個關鍵領域，AI 的潛力仍未得到充分探索。
為了應對這一挑戰(zhàn)，微軟研究院及其合作者推出了首個大規(guī)模大氣基礎模型 Aurora，通過在超過一百萬小時的多樣化地球物理數據上進行預訓練，并在多個特定任務上進行微調，實現對空氣質量、海洋波浪、熱帶氣旋路徑及高分辨率天氣等多種地球系統變量的準確預測。在顯著降低計算成本的同時，超越現有操作系統的性能，推動高質量氣候和天氣信息的廣泛獲取。經驗證表明，與最先進的綜合預報系統 IFS 相比，Aurora 的計算速度提升了約 5,000 倍。
以下是 Aurora 在不同領域取得的具體研究成果：
* 在空氣質量預測方面，Aurora 在 5 天全球空氣污染預測中，以 0.4° 分辨率實現了對資源密集型數值大氣化學模擬的超越，在 74% 的目標上表現更優(yōu)；
* 海浪預測領域，Aurora 在 10 天全球海洋波浪預測中，以 0.25° 分辨率在 86% 的目標上超過了成本高昂的數值模型；
* 針對 5 天熱帶氣旋路徑預測，Aurora 全面超越了 7 個業(yè)務預報中心（operational forecasting），首次在所有目標上實現了 100% 的超越率；
* 在 10 天全球天氣預測中，Aurora 以 0.1° 分辨率在 92% 的目標上超過了最先進的數值模型，同時改進了對極端事件的預測性能。
數據集方面，Aurora 涵蓋了多種地球物理數據，包括預報、分析數據、再分析數據和氣候模擬數據。這些數據具有不同的分辨率、變量和壓力層，為模型提供了豐富的信息來源。在預處理階段，數據被統一轉換為標準化的三維圖形，以便輸入到模型中。
模型結構方面，Aurora 采用 3D Swin Transformer 架構，結合 3D Perceiver 編碼器和解碼器。該模型由編碼器、處理器和解碼器 3 部分組成。編碼器將異構輸入轉換為通用的 3D 潛在表示，處理器通過 3D Swin Transformer 實現時間上的向前演化，解碼器則將潛在表示轉換回物理預測。
相關研究論文以「A foundation model for the Earth system」為題，已在 Nature 上發(fā)表。
論文地址：
??https://hyper.ai/cn/papers/s41586-025-09005-y??
為了方便讀者更加直觀地體驗 Aurora 的強大能力，HyperAI 超神經官網的「教程」板塊現已上線「Aurora 大規(guī)模大氣基礎模型 Demo」，分別包含環(huán)境治理和公共健康、地球科學、大氣預測等多個領域的不同模型示例，快來體驗吧！
* 教程地址：??https://go.hyper.ai/J9hl5??
我們還為新注冊用戶準備了驚喜福利，使用邀請碼「Aurora」注冊 OpenBayes 平臺，即可獲得 4 小時 RTX A6000 免費使用時長（資源有效期為 1 個月），數量有限，先到先得！
Demo 運行
1. 進入 hyper.ai 首頁后，選擇「教程」頁面，并選擇「Aurora 大規(guī)模大氣基礎模型 Demo」，點擊「在線運行此教程」。
2. 頁面跳轉后，點擊右上角「克隆」，將該教程克隆至自己的容器中。
3. 選擇「NVIDIA A6000 48GB」以及「PyTorch」鏡像，點擊「繼續(xù)執(zhí)行」。 OpenBayes 平臺提供了 4 種計費方式，大家可以按照需求選擇「按量付費」或「包日/周/月」。新用戶使用下方邀請鏈接注冊，可獲得 4 小時 RTX 4090 + 5 小時 CPU 的免費時長！
HyperAI 超神經專屬邀請鏈接（直接復制到瀏覽器打開）：
??https://openbayes.com/console/signup?r=Ada0322_NR0n??
4. 等待分配資源，首次克隆需等待 2 分鐘左右的時間。當狀態(tài)變?yōu)椤高\行中」后，點擊「工作空間」。
5. 雙擊左側目錄欄的項目名稱，即可開始使用。
效果演示
空氣質量預測
該模型以 2022 年 6 月 11 日 0.4 度分辨率的 CAMS 空氣質量數據為例，運行 Aurora 空氣質量模型。預測效果如下圖所示。
ERA5 預測
該模型在分辨率為 0.25 度的 2023 年 1 月 1 日 ERA5 數據上運行 Aurora 。預測效果如下圖所示。
在 2022 年 5 月 11 日的 IFS HRES 分析數據（0.1 度分辨率）上運行 Aurora 。預測效果如下圖所示。
HRES T0 預測
模型選取了 2022 年 5 月 11 日的 HRES T0 數據，分辨率為 0.25 度，并在此數據上運行 Aurora 。預測效果如下圖所示。
跟蹤臺風南瑪都的預測
預測臺風南瑪都的路徑時，模型以 2022 年 9 月 17 日，分辨率為 0.25 度的 HRES T0 數據為例。預測效果如下所示。
