파괴적인 허리케인. 거대한 바다 파도. 모래 폭풍과 심한 스모그.

극심한 날씨 사건이 점점 일반화되고 있으며, 지역 사회에 압력을 가하는 압력은 생명과 주택을 손상시킬뿐만 아니라 전력망을 상대하고 농작물을 파괴하고 운송 경로를 방해 할 수있는 다양한 재난을 준비해야합니다.

점점 더 많은 강력한 새로운 AI 모델은 날씨를 더 잘 기대할 수있는 새로운 도구를 제공하지만 새로운 논문은 자연 기초 모델 (로 알려진 기초 모델)을 설명합니다 오로라AI의 최신 발전을 활용하여 날씨뿐만 아니라 허리케인과 태풍에서 대기 질 및 해양 파도에 이르기까지 일련의 회고 분석에서 광범위한 환경 사건을보다 정확하게 예측합니다. Microsoft Research에서 개발 한 Aurora는 또한 전통적인 수치 예측 및 이전 AI 접근법과 비교할 때 정밀도와 속도가 높고 계산 비용이 훨씬 낮은 이러한 대기 이벤트를 예측합니다.

기초 모델은 다양한 데이터에 대해 훈련 된 대규모 AI 모델입니다. Aurora는 AI 일기 예보에만 국한되지 않는다는 점에서 독특합니다. 이는 최첨단 수준에서하는 일 중 하나 일뿐입니다. Aurora를 차별화하는 것은 원래 기초 모델로 훈련되었으며 대기 오염 예측과 같은 전통적인 일기 예보로 간주되는 것을 넘어서서 미세 조정을 통해 전문화 될 수 있다는 것입니다. 오로라의 개발 과정에서, 연구원들은 바다 파도 및 열대 사이클론의 예측을 포함하여 다양한 예측 기능으로 모델을 미세화 할 수 있었으며, 대기의 기초 모델이 아니라 지구 시스템의 기초 모델로서의 기능을 보여줍니다.

Aurora는 먼저 위성, 레이더 및 기상 관측소, 시뮬레이션 및 예측에서 파생 된 백만 시간 이상의 데이터에서 일반적인 날씨 패턴에 대한 교육을 통해 몇 초 만에 예측을 생성하는 방법을 배웁니다. Microsoft 연구원들은 AI 예측 모델을 훈련시키기 위해 조립 된 대기 데이터의 가장 큰 컬렉션이라고 생각합니다. 오로라는 고유 한 유연한 아키텍처를 활용하여 “미세한”이용하여 적당한 양의 추가 데이터를 사용하여 파도 높이 또는 대기 질 예측과 같은 다양한 특정 작업을 수행합니다.

날씨 및 기타 환경 이벤트를 예측하기 위해 Aurora는 방대한 양의 다양한 데이터로 규모와 훈련의 힘을 활용합니다. 이를 통해 Aurora는 예측 목표의 91 %에 걸쳐 기존 수치 및 AI 모델을 이길 수 있습니다. 자연. 사람들이 날씨 앱에 의존하는 중간 범위의 일기 예보는 일반적으로 최대 14 일의 전망을 반영합니다.

많은 다양한 데이터 소스를 통합하여 “일반적으로 더 큰 정확도뿐만 아니라 극단적 인 이벤트를 예측하는 데 더 나은 것을 의미한다”고 말했다. 메간 스탠리, Core Aurora Project 팀의 일원 인 Microsoft Research의 선임 연구원.

Microsoft는 대기 예측 분야를 발전시키는 데 도움을주기 위해 Aurora의 소스 코드 및 모델 가중치가 공개적으로 제공됩니다개발자가 Aurora를 다운로드하고 실행하거나 구축하여 추가 혁신을 주도 할 수 있습니다.

⁠오로라도 등장합니다~에Azure AI Foundry Labs 산업 전역의 개발자와 제작자가 새로운 가능성을 발견하고 복잡한 문제를 해결하며 AI의 미래를 형성하기위한 통찰력을 공유 할 수있는 Microsoft의 최신 AI 연구 및 실험의 허브입니다.

마이크로 소프트 MSN 날씨또한 현재 Aurora의 고급 AI 모델링을 통합하고 있습니다. MSN Weather Team은 시간별 예측을 생성하고 강수량 및 구름을 포함하여 더 많은 날씨 매개 변수를 추가하여보다 정확하고 최신 예측을 제공하고 사용자가 날씨보다 앞서 나가도록 도와 줄 수있는 전문화 된 모델 버전을 개발했습니다.

더 정확한 사이클론을 예상합니다

Typhoon Doksuri가 2023 년 7 월 필리핀에서 상륙했을 때, 광범위한 홍수 및 정전을 포함하여 상당한 황폐화를 일으켰습니다.

보고 된 바와 같이 자연테스트에서 Aurora는 실제 이벤트 4 일 전에 필리핀에서 태풍 Doksuri의 착륙을 정확하게 예측했습니다. 공식 예측은 실수로 대만 북부 해안에서 폭풍을 쳤다.

이 최신 연구에서 Aurora는 또한 기계 학습 모델의 첫 번째 열대성 사이클론 트랙을 예측하는 데있어 National Hurricane Center를 이겼습니다. 주요 성과에서도 전 세계 2022-2023 시즌의 모든 사이클론 트랙 예측에서 7 개의 주요 예측 센터를 능가했다고 연구원들은 밝혔다.

오로라의 사이클론 트랙의 정확도는 다양한 데이터의 막대한 매장에 대한 초기 교육의 중요성을 강조합니다.

전통적인 방법 비용의 일부에서 대기 질 예측

2022 년 6 월 13 일, 강렬한 가뭄, 토양 분해 및 고온의 조합으로 인해 그해에 나라를 강타한 10 개의 유사한 폭풍 중 하나 인 파괴적인 모래 폭풍이 이라크를 때렸다. 폭풍은 수도, 바그다드 및 두꺼운 먼지 구름이있는 인근 지역을 숨기고 수천 명의 사람들을 호흡 어려움으로 병원으로 보냈습니다. 지역 공항도 마감해야했습니다.

다른 사례 연구에서 자연 종이, 오로라는 전통적인 대기 질 예측을 운영하는 데 걸리는 비용의 일부로 하루 전에 이라크 모래 폭풍을 정확하게 예측했습니다. 그리고 기상 데이터에 비해 대기 질 데이터가 비교적 제한되어 있음에도 불구하고이를 달성했습니다. 모델은 먼저 크고 다양한 데이터 세트에서 배우기 때문에 소량의 대기 질 데이터로 미세 조정할 수 있습니다.

이 규모에서 대기 질을 예측하는 것은 날씨를 예측하는 것보다 훨씬 더 복잡하고 자원 집약적이라고 연구원들은 말했다. 공기 품질을 예측하는 데 복잡한 화학 반응을 모델링하고 인간 활동으로 인한 다양한 수준의 글로벌 배출을 고려하기 때문입니다.

오로라는“대기 화학에 대해서는 아무것도 배우지 않았거나 예를 들어, 원래 훈련의 일부가 아닌 햇빛과 상호 작용하는 것과 같은 방법을 배우지 않았습니다.”라고 Stanley는 말합니다. “그러나 미세 조정에서 오로라는 이미 다른 모든 과정에 대해 충분히 배웠기 때문에 그것에 적응할 수있었습니다.”

더 많은 정밀도는 더 나은 파도 예측으로 이어집니다

Aurora는 이제 복잡한 파도 패턴을 더 자세히 인식하여 높이와 방향을 포함한 해양 파 세부 사항을 예측하는 데 탁월합니다. 이로 인해 2022 년 9 월 일본에서 상륙 한 태풍 난마 돌 (Typhoon Nanmadol)과 같은 해양 사건의 진행을 예측하는 데 이상적입니다. 정전은 널리 퍼져 있었고 한국만큼 멀리 발생했습니다.

다른 테스트에서, Aurora는 파동 활동 예측에 대한 현재 표준에 비해 전체 테스트 연도 비교의 86 %에서 파동 활동에 대한 기존 예측을 일치 시키거나 초과했습니다. 그렇게함으로써 Nanmadol과 같은 태풍으로 생성 된 파도 높이를 현재 최고의 예측 모델을 초과하는 정확도로 예측할 수있었습니다.

Aurora의 성능은 모델을 훈련시키는 데 필요한 데이터가 2016 년부터 이러한 복잡한 작업을위한 짧은 기간 동안 만 사용할 수 있었기 때문에 특히 주목할 만했다. 이것은 추가 미세 조정 데이터가 거의없는 인상적인 예측을 생성하는 Aurora의 능력에 대한 또 다른 지표입니다.

속도와 정확성

여러 소스에서 도출 된 대량의 데이터를 이해하기 위해 Aurora는 유연한 “인코더 아키텍처”에 의존하며, 이는 원시 데이터를 변환하고 예측을하기 위해 사용할 수있는 표준 형태로 변환합니다.

연구원들은 오로라의 운영 방식을 과도하게 처방하지 않도록주의를 기울였으며, 또 다른 요인은 정확성과 정밀도를 설명하는 데 도움이된다고 생각합니다. Stanley는“우리는 변수가 서로 상호 작용해야한다고 생각하는 방법에 대한 엄격한 규칙을 제시하지 않습니다. “우리는 큰 딥 러닝 모델에 가장 유용한 것을 배울 수있는 옵션을 제공합니다. 이것은 이러한 종류의 시뮬레이션 문제에서 딥 러닝의 힘입니다.”

Aurora의 초기 교육은 비용이 많이 들지만 운영 비용은 전통적인 기상 예측 시스템이 완전히 작동하면 작동하는 비용보다 상당히 낮습니다. 자연.

Aurora는 대역폭 모델 그래픽 처리 장치 (GPU)를 바탕으로 전통적인 시스템보다 약 5,000 배 더 빠른 몇 초 만에 예측을 생성하여 대규모 슈퍼 컴퓨터에서 비슷한 예측을 생성해야합니다.

오로라의 다음 단계를 예측합니다

Aurora의 초기 결과는 예측 조직, 에너지 회사 및 상품 거래자를 포함하여 학계 및 업계에서 관심을 불러 일으켰습니다. 비를 더 잘 예측하고 작물 물류를 강화하며 에너지 그리드를 보호하기 위해 어떻게 적응할 수 있는지 보는 데 특히 관심이 있습니다. Aurora는 또한 연구원, 기상 학자 및 대기 과학 및 일기 예보에 관여하는 다른 전문가들이 이용할 수 있습니다. 유럽 ​​중소 기상 예측 센터 (ECMWF) 웹 사이트 세계에서 가장 널리 사용되는 일기 예보 시스템 중 하나.

Microsoft 머신 러닝 연구원과 오로라 팀원 인 Wessel Bruinsma는 각 미세 조정 실험에 소규모 엔지니어 팀이 약 4-8 주 동안 실행하는 데 걸렸습니다. “이 타임 라인을 일반적으로 여러 해가 걸리는 전통적인 수치 모델의 개발과 비교하십시오.”라고 그는 말합니다.

Stanley는“사람들이 자신과 관련된 모든 작업에 대해 실제로 미세 조정할 수 있기 때문에 큰 영향을 미칠 수있는 잠재력을 얻을 수 있습니다.”라고 말합니다. 예를 들어, 특히 다른 날씨 예측 기능에 의해 방해가되는 국가에서는 매우 현지화, 고해상도 또는 홍수 모델링이든 상관 없습니다.”라고 Stanley는 말합니다.

Stanley는 Aurora와 다음에 오는 것은 현재 예측 시스템을 보완 할 것이라고 믿고 있으며,이를 대체하지 않을 것입니다. Stanley는“물리학을 얼마나 잘 배우고 있는지에 대한 흥미로운 연구가 많이 있으며, 물리학을 올바르게 배우고 있다면 이것은 다른 기후 환경에서 예측할 수있을 정도로 강력해야한다는 것을 의미합니다.”라고 Stanley는 덧붙입니다. “하지만 그것이 마지막이 될 것이라는 의미는 아닙니다.”

관련 링크 :

더 읽기 : 지구 시스템의 기초 모델

더 듣기 : 초록 : Megan Stanley와 Wessel Bruinsma와 함께 Aurora

더 읽기 : Project Aurora : 대기의 최초의 대규모 기초 모델

더 읽기 : 오로라 예측 : 대기의 유연한 3D 기초 모델

더 읽기 : 폭풍 예측에서 분자 설계에 이르기까지 : 새로운 AI Foundation 모델이 과학적 발견 속도를 높이는 방법

Getty Images의 사진, 위에서 아래로 : Frank Ramspott / E+ / Onurdongel / e+ / pavliha / e+ / David Clapp / Stone.