微软发布全新大模型极光，精准预测天气、污染与飓风路径

微软近期带着一个新的模型——Aurora/极光，出现了，并在《自然》杂志上发表。

大多数天气和气候预测系统速度慢且成本高昂。它们依赖于复杂的、基于物理的模型，这些模型需要数年时间才能构建，并且需要超级计算机才能运行。

Aurora大模型提供了一种更快、更灵活的替代方案。其经过超过一百万小时的地球系统数据训练，在各种任务中都能与顶级预测系统相媲美或超越它们，同时运行速度提高了 100,000 倍。

Aurora 在四个关键领域取得了非常出色的成果：空气质量、海浪、热带气旋和高分辨率天气。它在 74% 的目标上优于 CAMS 的空气污染预测，在 86% 的情况下改进了欧洲中期天气预报中心的海洋波浪模型，并且比全球每个主要机构更准确地跟踪气旋。它还以 0.1° 的分辨率生成 10 天的天气预报，其准确性优于欧洲中心的自有高分辨率模型。

“极光”模型为此提供了一种全新的数据驱动解决方案。它是一个拥有13亿参数的深度神经网络，其核心采用了3D Swin Transformer架构，并配备了灵活的Perceiver编解码器，使其能处理不同来源、不同分辨率的异构数据。

该模型是开源的，可以使用相对较少的数据针对新任务进行微调。这使得它对于无法获得高端计算基础设施的国家和机构特别有用。

该研究在四个关键领域对“极光”的性能进行了严格的业务级评估，结果详实。

在高分辨率天气预报方面

“极光”是首个能在0.1°（约11公里）分辨率下运行的AI模型。在与全球公认的顶级数值预报系统——欧洲中期天气预报中心（ECMWF）的IFS HRES模型的直接对比中，“极光”在92%的预报指标上表现更优。在复盘2023年重创欧洲的“夏兰”风暴时，“极光”是当时多个主流AI模型中，唯一准确预测出风速急剧增强趋势的模型。

a. 在超过 92% 的目标上，Aurora 的表现优于分辨率为 0.1° 的 IFS HRES 模型。b.根据气象站测量数据计算的风速均方根误差（RMSE）。Aurora 的表现远优于 IFS HRES

在热带气旋路径预测这一世界性难题上

“极光”的表现尤为突出。数据显示，其5日路径预测的准确性，全面优于（100%覆盖）包括美国国家飓风中心、中国气象局在内的全球七个主要官方预报机构。相较于官方预报，其在北大西洋和东太平洋区域的2至5天路径误差平均降低了20%至25%。

在不同地区，Aurora 获得了比多家机构更优的路径预测平均绝对误差（MAE）

在空气质量和海浪预报这两个专业领域

“极光”同样展示了其潜力。它能生成为期5天的全球空气污染物预报，在74%的指标上超越了欧洲哥白尼大气监测服务（CAMS）的专业系统，而计算速度提升了约10万倍。对于海浪预测，其10天预报的准确性在86%的指标上优于ECMWF的专用海浪模型。

a、Aurora 对 TC NO2 的预测能够精确地预测 CAMS 的分析结果。由于大气气体在空间上分布不均，准确预测它们极具挑战性。特别是，与大多数空气污染变量一样，NO2 在人为排放量大的地区（如东亚人口密集地区）会偏向高值。此外，NO2 表现出强烈的昼夜循环；例如，阳光会通过一种称为光解的过程降低 NO2 的背景水平。Aurora 能够准确捕捉极端值和背景水平。Aurora 和 CAMS25 的预报均使用 2022 年 9 月 1 日世界协调时 00 时的 CAMS 分析数据进行初始化。b、在所有预报时间范围内，Aurora 在 74% 的目标上与 CAMS 表现相当或更优。c、在 3 天的预报时间范围内，Aurora 在 89% 的变量上与 CAMS 表现相当或更优。

研究者指出，未来该模型还可被拓展至海洋环流、植被生长、野火以及农业生产力等更广泛的预测任务中，标志着数据驱动的地球科学研究正迈入一个新的发展阶段。