Aurora: A Foundation Model of the Atmosphere

要約

ディープラーニング基盤モデルは、膨大な量のデータを活用して、さまざまな下流タスクに取り組むために適応できる汎用表現を学習することにより、科学の多くの側面に革命をもたらしています。
財団モデルは、広大な地球システム データを活用することで、地球とそのサブシステムをモデル化する能力を変革する可能性を秘めています。
ここでは、100 万時間以上のさまざまな気象データに基づいてトレーニングされた大気の大規模基礎モデルである Aurora を紹介します。
Aurora は、基礎モデリング アプローチの強みを活用して、限られたトレーニング データ、異種変数、極端な現象を含む、さまざまな大気予測問題に対する運用予測を生成します。
Aurora は 1 分以内に、5 日間の地球規模の大気汚染予測と 10 日間の高解像度天気予報を作成します。これらの予測は、最先端の古典的なシミュレーション ツールや最高の特殊なディープ ラーニング モデルを上回ります。
総合すると、これらの結果は、基礎モデルが環境予測を変革できることを示しています。

要約(オリジナル)

Deep learning foundation models are revolutionizing many facets of science by leveraging vast amounts of data to learn general-purpose representations that can be adapted to tackle diverse downstream tasks. Foundation models hold the promise to also transform our ability to model our planet and its subsystems by exploiting the vast expanse of Earth system data. Here we introduce Aurora, a large-scale foundation model of the atmosphere trained on over a million hours of diverse weather and climate data. Aurora leverages the strengths of the foundation modelling approach to produce operational forecasts for a wide variety of atmospheric prediction problems, including those with limited training data, heterogeneous variables, and extreme events. In under a minute, Aurora produces 5-day global air pollution predictions and 10-day high-resolution weather forecasts that outperform state-of-the-art classical simulation tools and the best specialized deep learning models. Taken together, these results indicate that foundation models can transform environmental forecasting.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google