Artificial Intelligence For Science
PulseAugur coverage of Artificial Intelligence For Science — every cluster mentioning Artificial Intelligence For Science across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
InCommodities发布Aries天气模型，风速预测优于ECMWF
InCommodities的研究人员开发了Aries，一个利用SwinTransformer架构的新型中程天气预测模型。Aries在ERA5再分析数据上进行训练，可预测多种大气变量，并已证明其性能可与ECMWF HRES和AIFS等成熟模型相媲美。该模型在提前四天预测10米风速方面表现尤为出色，优于现有基准，并在2米温度预测方面取得了与AIFS相当的结果。这一发展表明，专有实体可以成功开发先进的天气模型，从而可能拓宽能源行业预测的可用性。
-
新方法无需重新训练即可提取天气模型不确定性
研究人员开发了一种名为随机扰动权重（SPW）的新方法，可以在无需重新训练的情况下从确定性机器学习天气模型中提取不确定性估计。该技术涉及在推理时扰动网络的权重张量，从而提供了一种低成本生成集成的方法。虽然 SPW 显示出潜力，但其有效性因模型架构而异，并且需要进一步调整以解决诸如整体场偏移不一致等问题。
-
AI天气模拟器展现潜力但极端高温预测准确性面临挑战
一篇新的arXiv论文评估了包括Pangu-Weather、FuXi、ArchesWeather、AIFS、GraphCast和Aurora在内的六个深度学习天气模拟器，与传统基于物理的模型在预测极端高温事件方面的表现。虽然一些AI模型在确定性温度预测方面表现出可比的技能，但它们通常会因光谱保真度降低而出现模糊现象。研究发现，大多数模拟器低估了极端高温事件的峰值强度，而传统的IFS模型在召回率方面表现更优。
-
WindBorne Systems 的 WeatherMesh-6 AI 模型超越领先的天气预报
WindBorne Systems 发布了 WeatherMesh-6 (WM-6)，这是一款由 AI 驱动的全球天气模型，与 ECMWF 的 IFS 和 Google DeepMind 的 AIFS 等领先的业务模型相比，在准确性和提前量方面表现更优。WM-6 以 0.25 度分辨率运行，并提供更广泛的大气、地表和土壤参数输出目录，从而在能源和农业等领域实现高级应用。该模型还在潜在空间中具有更校准的集合，在连续排序概率分数 (CRP…
-
人工智能天气模型降尺度框架提升降水预报准确性
研究人员开发了SwAIther-Precip，一个旨在提高人工智能驱动的降水预报分辨率和准确性的新框架。该方法专门处理受预报提前量影响的全球人工智能天气模型中的偏差。通过在应用基于扩散的超分辨率模型之前校正这些偏差，SwAIther-Precip能够生成具有显著提高的准确性和空间保真度的公里级分辨率降水场。
-
专家警告：人工智能天气预报可能错过罕见极端事件
尽管人工智能模型在提高天气预报的准确性和效率方面正在迅速发展，但专家们对其预测前所未有的“灰天鹅”事件的可靠性表示担忧。这些罕见但可能发生的极端事件，因气候变化而加剧，在人工智能的训练数据中代表性不足，可能导致自信但错误的预测。虽然基于物理的模型可以模拟此类事件，但人工智能模型在进行外推时存在困难，存在静默失效的风险，并可能导致关键的物理建模基础设施的退化。