Fuxi
PulseAugur coverage of Fuxi — every cluster mentioning Fuxi across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
VeinCast框架通过物理引导图增强天气预报能力
研究人员开发了VeinCast，一个用于全球中程天气预报的新框架，它集成了物理引导动态场图与图条件融合。该方法将预定义的 A 级大气关系与依赖于状态的边相结合，并使用图上下文来适应地球窗口注意力。VeinCast 在 ERA5 基准测试中，在长达 14 天的预报时间内，在 69 个气象场上表现出具有竞争力的性能，优于 FuXi、Pangu-Weather 和 GraphCast 等模型。消融研究证实了其关系级物理引导对数据驱动天气预报的有效性。
-
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。
-
中国古代易经与莱布尼茨的二进制系统与人工智能的起源相关联
人工智能的发展根植于中国与西方之间一段历史性的思想交流，其时间早于现代计算机科学先驱。德国博学家戈特弗里德·威廉·莱布尼茨（Gottfried Wilhelm Leibniz）开发了对计算至关重要的二进制数字系统，并将其与在北京的耶稣会传教士乔阿希姆·布维（Joachim Bouvet）分享。布维认识到莱布尼茨的二进制系统与中国古代《易经》中的64卦相同，而《易经》大约在3000年前就已经开发出来。这一发现传达给莱布尼茨，验证了他的二…
-
AI天气模型在极端事件预测方面落后于基于物理学的方法
GraphCast、PanguWeather和Fuxi等AI天气模型在预测日常天气状况方面显示出潜力，在某些情况下甚至优于传统的基于物理学的方法。然而，一项最新研究表明，这些AI模型在准确预测极端天气事件方面仍然存在困难，与成熟的基于物理学的方法相比，往往表现不佳。研究强调，尽管AI在天气预报方面取得了进步，但尚未完全复制基于物理学模型在预测恶劣天气现象方面的准确性。
-
人工智能天气模型在极端事件预测中展现出不确定性量化方面的潜力
一项发表在arXiv上的新研究，通过量化不确定性来调查人工智能天气模型在预测极端事件方面的有效性。研究人员发现，尽管FuXi、GraphCast和SFNO等模型展现出具有竞争力的技能，但它们表示不确定性和捕捉极端事件的能力有限。该研究探索了各种扰动策略来生成集合预报，并得出结论，虽然像高斯噪声这样的简单方法可以扩展确定性模型以进行概率预报，但原生概率模型和数值天气预报集合仍然优于它们。