使用NVIDIA Earth-2生成式AI基础模型革新气候建模

这个开创性的 AI 模型将为气候建模与分析带来变革，以实现更好地预测、理解和应对气候变化

通过更细致地模拟地球气候，科学家和研究人员可以更好地预测并减轻气候变化带来的影响。

NVIDIA 正通过 cBottle（Climate in a Bottle 的简称）为这项工作带来新的突破，这是全球首个专为以公里尺度分辨率模拟全球气候而设计的生成式 AI 基础模型。

作为NVIDIA Earth-2平台的一部分，该模型可以生成逼真的大气状态，并且可以根据时间、日期和海面温度等输入信息进行调整，为理解和预测地球最复杂的自然系统提供了新的途径。

Earth-2 平台包含一套软件栈和多种工具，其中集成了 AI、GPU 加速、物理模拟和计算机图形的强大功能。这有助于创建用于模拟和可视化天气状况的交互式数字孪生体，并提供行星尺度的全球气候预测。借助 cBottle，这些预测的速度能够比传统数值模型快数千倍，且能效更高，同时不减损准确性。

包括马克斯-普朗克气象研究所（MPI-M）和艾伦人工智能研究所（Ai2）在内的顶尖科学研究机构，正在探索使用 cBottle 来压缩、提炼地球观测数据和超高分辨率气候模拟，并将其转化为可查询的、交互式的生成式 AI 系统。

cBottle 在世界气候研究计划（WCRP）全球公里级黑客马拉松活动中进行了实地测试。该活动由八个国家和十个气候模拟中心组织举办，旨在推进高分辨率地球系统模型的分析与开发，并拓宽高分辨率、高保真气候数据的获取途径。

用 AI 革新气候建模

传统的气候信息学需要对数十 PB 的数据存储进行复杂分析，要投入大量的时间、人力和计算资源。

cBottle 结合了 NVIDIA GPU 加速和高度优化的 NVIDIA Earth-2 栈，使用先进的 AI 技术来压缩海量的气候模拟数据。对于单个天气样本，它能够将 PB 级的数据量进行高达 3000 倍的压缩，换句话说对于 1000 个样本的集合，数据量是之前的 300 万分之一。

cBottle 是在高分辨率物理气候模拟以及过去 50 年观测数据约束的大气状态估算值上进行训练的。

该模型可以填补缺失或损坏的气候数据，纠正有偏差的气候模型，对低分辨率气候数据进行超分辨率重建，并根据模式和先前的观测结果合成信息。cBottle 极高的数据处理效率使其仅需四周时间的公里尺度气候模拟数据即可完成训练。

全球协作实现行星级影响

顶尖气候机构正在使用 NVIDIA Earth-2 推进气候模拟。

马克斯-普朗克气象研究所已经利用 Earth-2 及其 ICON 地球系统模型开创了公里尺度气候建模。借助 NVIDIA GPU 加速和性能优化，该研究所的研究人员领导的团队首次对整个地球系统进行了公里尺度模拟，以前所未有的精细度实现气候模拟与可视化呈现。

马克斯-普朗克气象研究所所长 Bjorn Stevens 表示：“面对快速变化的气候，Earth-2 的最新进展代表着我们理解、预测和适应周围世界的能力实现了革命性的飞跃。通过利用 NVIDIA 的先进 AI 和加速计算，我们正在构建地球的数字孪生体。这标志着一个新时代的到来，气候科学相关成果能为所有人获取并加以运用，从而使人们能够做出保护我们共同未来的明智决策。”

艾伦人工智能研究所和 NVIDIA 正在协作，利用 Earth-2 AI 栈和 GPU 来加速和增强气候建模，致力于使高分辨率气候模拟更快、更节能、更易于使用。这对于天气预测和气候适应力领域的科研和实际应用而言至关重要。

艾伦人工智能研究所的气候建模高级总监 Christopher Bretherton 表示：“为气候变化做规划是全球各国面临的巨大挑战。cBottle 精妙地使用了生成式 AI，是一种令人兴奋的新资源，它可用于高效地模拟局部极端天气，如暴雨或引发野火的干热风。”

通过在 NVIDIA Earth-2 中使用 cBottle，开发人员可以构建气候数字孪生体，从而能够以交互方式探索和可视化公里尺度的气候数据，并在低延迟和高吞吐量的情况下预测可能出现的场景。

cBottle 基础模型现已开放早期访问。有兴趣重新训练该模型的气候 AI 研究人员可以从 GitHub 获取 cBottle 代码库，并在 arXiv 上查阅预印本。