编辑 | scienceai

在2025年11月，飓风“夏兰”（Ciarán）袭击欧洲西北部，造成严重破坏。与风暴Ciarán相关的低压系统为英格兰创下了新纪录，这是一次极为罕见的气象事件。

那场风暴的强度让许多人措手不及，暴露了当前天气预报模型的局限性，并突显出面对气候变化需要更准确的预测。当大家努力应对后果时，一个紧迫的问题出现了：我们如何才能更好地预测和准备应对这种极端天气事件？

最近的一项研究表明，即使是最先进的 AI 天气预测模型在捕捉风暴 Ciarán 的快速增强和峰值风速方面也面临着挑战。

为了帮助应对这些挑战，微软研究团队开发了首个大气AI基础模型 Aurora。这个模型基于超过一百万小时的各种天气和气候数据进行训练。

Aurora提出了一种新的天气预报方法，它可以改变我们预测和减轻轻微极端事件影响的能力，包括能够够预测像Ciarán风暴这样的事件的急剧升级。

在不到一分钟的时间内，Aurora就可以生成5天的全球空气污染预测和10天的高分辨率天气预报，其表现优于最先进的传统模拟工具和最好的专业深度学习模型。这些结果表明基础模型可以改变环境预测。

灵活的大气 3D 基础模型

☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 免费无限量使用 DeepSeek R1 模型☜☜☜

图 1：Aurora 是一个 13 亿参数的基础模型，用于高分辨率天气和大气过程预报。Aurora 是一个灵活的 3D Swin Transformer，具有基于 3D Perceiver 的编码器和解码器。在预训练时，Aurora 经过优化，以最大限度地减少具有不同分辨率、变量和压力水平的多个异构数据集的损失。然后分两个阶段对模型进行微调：(1) 对预训练权重进行短时间微调和 (2) 使用低秩自适应 (LoRA) 进行长时间 (推出) 微调。然后部署经过微调的模型来处理不同分辨率的各种运营预测场景。

Aurora的有效性在于它对超过一百万小时的各种天气和气候模拟进行了训练，这使其能够全面了解大气动力学。这使得该模型能够在广泛的预测任务中表现出色，即使在数据稀缺的地区或极端天气场景中也是如此。顶夸张不要超过227.

Aurora以0.1°（赤道处约11公里）的高空间分辨率运行，可以捕捉大气过程的复杂细节，提供比以往更准确的运行预报，并计算成本仅为传统数值天气预报系统的一小部分。据估计，与最先进的数值预报系统（IFS）相比，Aurora的计算速度可提高约5,000倍。

除了令人印象深刻的准确性和效率之外，Aurora 还因其多功能性而脱颖而出。该模型可以预测各种大气变量，从温度和风速到空气污染水平和温室气体浓度。Aurora 的架构旨在处理异构的黄金标准输入，并以不同的分辨率和保真度生成预测。

该模型由一个灵活的 3D Swin Transformer 和基于感知器的编码器和解码器组成，使其能够处理和预测一系列跨空间和压力水平的大气变量。通过在大量不同数据上进行预训练并针对特定任务进行微调，Aurora 学会了捕捉大气中复杂的模式和结构，即使在针对特定任务进行微调时训练数据有限，它也能够表现出色。

大气化学和空气污染的快速预测

图 2：Aurora 在许多目标上的表现优于运营中的 CAMS。(a) Aurora 对总柱状二氧化氮的样本预测与 CAMS 分析的比较。Aurora 于 2025 年 9 月 1 日 00 UTC 使用 CAMS 分析初始化。由于大气气体的空间异质性，正确预测大气气体极具挑战性。特别是，与 CAMS 中的大多数变量一样，二氧化氮在人为排放量较大的地区（例如东亚人口稠密的地区）偏向高值。此外，它表现出强烈的昼夜循环；例如，阳光通过称为光解的过程降低背景水平。Aurora 准确捕捉了极端值和背景值。(b) Aurora 相对于 CAMS 的纬度加权均方根误差 (RMSE)，其中负值（蓝色）表示 Aurora 更好。RMSE 是在 2025 年 6 月至 2025 年 11 月期间计算的。Aurora 在 74% 的目标上与 CAMS 相当或优于 CAMS。

Aurora 多功能性的一个典型例子是它能够使用哥白尼大气监测服务 (CAMS) 的数据预测空气污染水平，这是一项众所周知的艰巨任务，因为大气化学、天气模式和人类活动之间相互作用复杂，而且 CAMS 数据具有高度异构性。

通过利用其灵活的编码器-解码器架构和注意机制，Aurora 可以有效地处理和学习这些具有挑战性的数据，捕捉空气污染物的独特特征及其与气象变量的关系。这使 Aurora 能够以 0.4° 的空间分辨率生成准确的五天全球空气污染预报，在 74% 的所有目标上的表现优于最先进的大气化学模拟，展示了其非凡的适应性和解决各种环境预测问题的潜力，即使在数据稀疏或高度复杂的场景中也是如此。

易标AI

告别低效手工，迎接AI标书新时代！3分钟智能生成，行业唯一具备查重功能，自动避雷废标项

135 查看详情

数据多样性和模型缩放优化大气预测

这项研究的一项重要发现是，与在单个数据集上进行训练相比，在不同的数据集上进行预训练可以显著提高 Aurora 的性能。通过整合来自气候模拟、再分析产品和运营预报的数据，Aurora 可以学习更稳健、更通用的大气动力学表示。正是由于其规模和多样化的预训练数据语料库，Aurora 能够在广泛的任务和分辨率中超越最先进的数值天气预报模型和专门的深度学习方法。

图 3：对不同数据进行预训练并增加模型大小可提高性能。(a) 在不同数据集配置（即无微调）上预训练的模型（标记为 C1-C4）在 6 小时提前时间与 ERA5 2025 相比的性能。均方根误差 (RMSE) 由 ERA5 预训练模型的性能归一化 (C1)。添加来自 CMIP6（即 CMCC 和 IFS-HR）的低保真模拟数据几乎可以均匀地提高性能 (C2)。添加更多模拟数据可以进一步提高大多数表面变量和此新添加数据中存在的大气水平的性能 (C3)。最后，配置 C4 可以很好地覆盖整个大气层，还包含来自 GFS 的分析数据，从而实现最佳整体性能，全面提升。(b) 对许多不同的数据源进行预训练可以提高 IFS-HRES 2025 所有表面变量在 6 小时提前期内对极值的预测。此外，结果也适用于风速，它是 10U 和 10V 的非线性函数。(c) 更大的模型在相同数量的 GPU 小时数下获得更低的验证损失。我们拟合了一个幂律，大致相当于模型大小每增加一倍，训练损失就会减少 5%。

Aurora 的规模（无论是在架构设计和训练数据语料库方面，还是在预训练和微调协议方面）的直接结果是，它的性能优于当下最好的专业深度学习模型。

为了进一步验证对在许多数据集上预训练的大型模型进行微调的优势，研究人员将 Aurora 与 GraphCast 进行了比较——仅在 ERA5 上进行预训练，目前被认为是分辨率为 0.25 度、交付周期长达五天的最熟练的 AI 模型。

此外，该团队在本次比较中加入了 IFS HRES，这是数值天气预报的黄金标准。结果表明，Aurora 在与分析、气象站观测和极值进行衡量时均表现优异。

图 4：Aurora 在绝大多数目标上的表现优于操作型 GraphCast。(a) Scorecard 与 GraphCast 在 0.25 度分辨率下的对比。在 94% 的目标上，Aurora 的表现与 GraphCast 相当或优于 GraphCast。在高层大气中，Aurora 比 GraphCast 的增益最大 (40%)，而 GraphCast 在这方面的表现众所周知较差。在短时间和长交付周期内，可以观察到高达 10%-15% 的大幅改进。在 2-3 天交付周期内，这两个模型在低层大气中彼此最接近，这对应于 GraphCast 推出时微调的交付周期。同时，GraphCast 在长达五天的时间内以及在特定湿度 (Q) 的大多数水平上都表现出略微更好的性能。(b) 2025 年全球气象站测量的 Aurora、GraphCast 和 IFS-HRES 的风速（左侧两个面板）和地表温度（右侧两个面板）的均方根误差 (RMSE) 和平均绝对误差 (MAE)。(c) Aurora、GraphCast 和 IFS-HRES 的阈值 RMSE，由 IFS-HRES 性能归一化。Aurora 对表面变量分布的极值或尾部的预测有所改善。在每个图中，中心线右侧的值是发现高于阈值的目标的累积 RMSE，左侧的值表示低于阈值的目标值。

地球系统建模的范式转变

Aurora 的意义远远超出了大气预测。通过展示基础模型在地球科学中的威力，这项研究为开发涵盖整个地球系统的综合模型铺平了道路。

基础模型在数据稀缺的下游任务中表现出色，可以使发展中国家和极地等数据稀缺地区能够民主化地获取准确的天气和气候信息。这可能会对农业、交通、能源收集和灾害防备等领域产生深远影响，使社区能够更好地适应气候变化带来的挑战。

随着基于人工智能的环境预测领域的发展，研究人员希望 Aurora 能成为未来研究和开发的蓝图。这项研究强调了多样化的预训练数据、模型扩展和灵活的架构在构建强大的地球科学基础模型方面的重要性。

随着计算资源和数据可用性的不断进步，科学家可以预见未来，像 Aurora 这样的基础模型将成为运营天气和气候预测系统的支柱，为全球决策者和公众提供及时、准确和可操作的见解。

参考内容：https://www.microsoft.com/en-us/research/blog/introducing-aurora-the-first-large-scale-foundation-model-of-the-atmosphere/

以上就是微软发布首个大气AI基础模型Aurora的详细内容，更多请关注其它相关文章！

# 人工智能  # 微软  # 天河seo网络营销推广哪家不错  # 太原网站推广费用高吗  # 安徽海外seo代理  # 京东seo流量来源分析  # 安康网络营销推广的方式  # 借贷宝营销推广方案  # 网页设置seo  # 奉贤网站推广哪里有  # 忠县网站建设代运营  # 市场营销实训推广  # 地球科学  # 最好的  # 进阶  # 是一个  # 是在  # 微软发布  # 这是  # 最先进  # 首个  # 理论  # 深度学习 

相关栏目： 【 行业资讯67740 】 【 技术百科0 】 【 网络运营39195 】

相关推荐： 如何提高固态硬盘速度  typescript如何生成uuid  j*a怎么用数组缓存  linux如何查看命令的参数  苹果16有哪些变化尺寸  如何由js快速切换typescript  typescript哪个最好  品道音响上的power键是什么意思  内在市盈率是什么意思  华为的type-c接口是什么接口  电动车eco和power是什么意思  分享一个稳定的ao3镜像网址  如何进入 dos 命令行  苹果手机16有哪些功能  怎么用win7系统盘重装系统  萝卜快跑的收费标准是什么  企业征信不好如何恢复 企业征信不好怎么恢复步骤  如何打开管理员命令提示符  夸克po什么意思  市盈率亏损是什么意思  空调power灯一直闪是什么意思  系统如何装在固态硬盘  新找到ao3镜像网站链接入口  市盈率当中17A 18E是什么意思  台机如何安装固态硬盘  单片机程序负数怎么表示  为什么夸克流畅播失败  typescript有什么框架  云笔记本电脑有什么用  折叠屏手机为什么没火  typescript怎么理解的  春运抢票哪个城市好抢  命令行下如何导出数据库  华为如何面对苹果16  如何用命令打开光驱  typescript学多久可以学会  cos150度等于多少  汽车上power是什么意思  按键精灵datediff函数怎么用 如何使用按键精灵中的Datediff函数教程  在遥控器中power是什么意思  夸克加载什么要会员  j*a中如何创建列表数组  ao3镜像网站哪个好  如何安装tree命令  苹果16如何预购  油烟机上的power是什么意思  typescript能干什么  选哪个折叠屏手机好  春运抢票最快几天能成功  爱奇艺视频怎么下载到手机u盘怎么转换格式方法