据慕尼黑再保险公司估计，到2050年，极端天气和气候事件持续增加的频率和严重程度可能导致每年百万人死亡和1.7万亿美元的损失。
特别是随着暴风雪、飓风和热浪等严重天气事件的增加，突显了对准确天气预报的迫切需求，人工智能和加速运算将能提供帮助。
超过180个天气模拟中心采用强大的高性能运算（HPC）基础架构来处理传统数值天气预测（Numerical Weather Prediction，NWP）模型。 其中包括欧洲中期天气预报中心（European Centre for Medium-Range Weather Forecasts，ECMWF），其通过983，040个CPU核心运行，以及英国气象局的超级计算机，其使用超过150万个CPU核心，耗电量为2.7兆瓦。
重新思考高性能运算系统的设计
全球对能源效率的推动促使人们重新思考高性能运算系统的设计。 利用GPU强大功能的超级计算，提供了一种有前景且节能的替代方案，可以加快运算速度。
图为基于ECMWF整合预报系统在Intel Broadwell CPU上的51个系集成员，以及在4个NVIDIA A100 Tensor Core GPU上的FourCastNet 1，000系集成员的结果; 假设 10 个建模中心运行相同的预报工作量。 右图为基于ICON模型测量效能的结果; CPU：2个AMD Milan。 GPU：4 个 NVIDIA H100 Tensor Core PCIe。
NVIDIA的GPU对全球正在使用的天气模型产生了重大影响，包括欧洲中期天气预报中心、马克斯普朗克气象学研究所（Max Planck Institute for Meteorology）、德国气象局（German Meteorological Service）和美国国家大气研究中心（National Center for Atmospheric Research）的天气模型。
GPU将效能提升至24倍、改善能源效率，并降低成本与空间需求。
瑞士国家气象和气候办公室（MeteoSwiss）的数值预测单位主管Oliver Fuhrer表示：「为了在电力预算限制内实现可靠的天气预测和气候预测，我们依赖算法的改进和硬件，在这方面，NVIDIA的GPU是CPU的替代方案。」
人工智能模型提升速度和效率
与传统方法相比，NVIDIA基于人工智能的天气预测模型FourCastNet提供具有竞争力的准确性，且速度更快、能效更高。 FourCastNet能够迅速生成为期一周的预报，并生成大型整合模型（或起始条件略有变化的模型），以实现高信度的极端天气预测。
举例来说，基于历史数据，FourCastNet准确预测了2018年7月5日在阿尔及利亚瓦尔格拉（Ouargla， Algeria） 的温度，那是非洲有记录以来最热的一天。
可视化图表（中间）展示了2018年7月非洲地区的真实天气情况，周围是展示由FourCastNet（系集成员）生成的准确预测热穹现象（Heat Dome）的地球模型。
使用NVIDIA的GPU，FourCastNet快速而准确地生成了1，000个系集成员，此超越了传统模型的能力。 十多个成员根据事发前三周的数据，准确预测了阿尔及利亚的高温。
这是FourCastNet团队首次提前几周预测了高影响天气事件，证明了人工智能的潜力，可以用比传统天气模型更低的能耗进行可靠的天气预报。
FourCastNet采用了像是Transformer模型这样最新的人工智能进展，将人工智能和物理学结合，获得开创性的成果。 其速度比传统的数值天气预测模型快大约4.5万倍。 且经过训练后，FourCastNet生成预测所需的能源比欧洲的黄金标准NWP模型——整合预报系统少1.2万倍。
马克斯. 普朗克气象研究所所长Bjorn Stevens表示：「NVIDIA FourCastNet为将 AI 用于各种应用打开了大门，这将改变数值天气预测企业的形态。」
拓展更多可能性
Stevens在英伟达（NVIDIA GTC）大会一个演讲中描述了ICON气候研究工具现在的可能性。 Stevens表示，Levante超级计算机使用3，200个CPU，可以在24小时内模拟10天的天气。 相比之下，JUWELS Booster超级计算机使用1，200个NVIDIAA100 TensorCore GPU，可以在相同的时间内运行50天的模拟。
Stevens补充说，科学家正在研究未来300年内的气候效应，这意味着系统需要快上20倍。 他说，采用如NVIDIA H100 Tensor Core GPU以及更简单的代码等更快的技术，我们就能实现这个目标。
研究人员现在面临的挑战是在物理建模和机器学习之间取得最佳平衡，以生成更快、更准确的气候预测。 欧洲中期天气预报中心上月发布的一个博客描述了这种混合方法，该方法依赖于机器学习进行初始预测，并利用物理模型进行数据生成、验证和系统优化。
这种通过加速计算实现的整合，有机会在天气预报和气候科学方面取得重大进步，从而开启一个高效、可靠和节能预测的新时代。
