华盛顿大学大气科学系教授 Dale Durran 介绍了一种突破性的深度学习模型，该模型结合了大气和海洋数据来设定新的气候和天气预报准确性标准。
在此 NVIDIA GTC 2024 会议中，Durran 介绍了一些技术，这些技术可以减少对传统参数化的依赖，使模型能够绕过天气预报中常见的许多近似值。HEALPix 网格（从天文学中借鉴的网格）通过准确呈现地球的球形形状来提高空间精度，消除失真，从而实现更精确的全球预报。
该模型能够以最小的漂移生成可靠的长期预测，使用 NVIDIA A100 Tensor Core GPU 进行快速训练，使用 NVIDIA Modulus 在模拟中集成机器学习，并使用 NVIDIA Omniverse 实现高保真可视化，从而提高气候预测的准确性和可解释性。
您将学习构建准确、长期的地球系统模型的高级方法，包括：
- 大气 – 海洋耦合 ：结合大气和海洋过程来稳定长期预报并提高可靠性。
- 无参数化建模 ：绕过传统假设，实现数据驱动、更准确的预测。
- HEALPix 网格 ：使用 HEALPix 实现等面积表示，以提高全球建模的空间准确性。
- 高效的 GPU 训练 ：针对 NVIDIA GPU 优化模型的 CNN 架构，以最少的计算资源实现高保真训练。
- 实时卫星集成 ：整合卫星数据（例如外向长波辐射），以提高动态事件的预测准确性。
加入 NVIDIA 开发者计划 ， 观看使用深度学习地球系统模型进行子季节和季节性预测的会议 ，探索 NVIDIA On-Demand 的更多视频，并从行业专家处获取宝贵的技能和见解。
此内容部分借助生成式 AI 和大型语言模型制作而成。 它经过仔细审查，并由 NVIDIA 技术博客团队编辑，以确保准确性、准确性和质量。
