付費限定文章

快速準確AI預測全球天氣 with GraphCast by Google Research Lam et al.

在三國演義中，赤壁之戰，諸葛亮憑藉對湖陸風向的預測，火燒連環船，使得孫劉聯軍得以大敗曹操，奠定三國鼎立的基礎。由此可見，對於天氣的精密掌握，不僅得以改善各種生存條件，還能藉此訂定各種軍事策略，對於各種地緣政治紛爭的此刻，有其重大意義，於是各國對於快速準確的天氣預測技術，皆十分有興趣。

Google Research於2023年11月，在自然(Nature)雜誌上，發表了能夠快速且準確預測全球天氣的人工智慧模型，採用自回歸(self-Regression)，如同GPT那樣進行逐步推演，可以預測到10天後，比歐洲中期天氣預報中心(ECMWF)用超級計算機計算的高解析HRES方法，預測的還要準確。預測的項目包含溫度，風速，壓力，濕度，等等。開源程式碼用python Jax 寫成，Jax套件由Google開發，可對神經網路運算進行加速優化。

論文主要架構:

使用Graph Neuron Network，如下圖所示，每一個Mesh point的Embedding，皆由鄰近的地理天氣數據經過MLP(Multiple Layer Perceptron)編碼產生，此過程被論文稱為Grid-to-Mesh。緊接著，使用MLP採樣如下圖所示M⁰~M⁶的Mesh points產生更進一步的Embeddings，此過程被論文稱為Mesh-to-Mesh。最後解回來僅參考鄰近的三個Mesh，輸入皆為上一步產生的，更進一步的Embeddings，經由MLP傳導至輸出，此過程被論文稱為Mesh-to-Grid，這裡的構造設計充分利用資料的空間相關性。

自回歸的方式逐步預測全球天氣，利用Grid-Mesh-Grid的資料結構準換，搭建MLP神經網路，用於準確預測全球天氣

在時間相關性部分，GraphCast使用相鄰的一個時間來推斷，輸入總共是兩筆時間的Data，後續的預測輸入拿先前的輸出結果來做預測，這就是俗稱自回歸的過程，也是目前GPT文字接龍使用的方式，作者發現取鄰近兩個時間的資料，效果比單一時間還好，取兩個以上的部分，效果並沒有改善很多，相比於Memory使用量的開銷來說。