近日，科學家開發出了一種名爲 “Aurora” 的機器學習模型，它在熱帶氣旋軌跡預測方面表現優於官方機構，並且速度更快、成本更低。Aurora 是由微軟、賓夕法尼亞大學及其他機構的研究人員共同研發的基礎模型，旨在提升地球系統預測的速度和準確性，涵蓋空氣質量、海洋波動、熱帶氣旋軌跡以及高分辨率天氣等領域。

烏雲 (1)天氣

圖源備註:圖片由AI生成，圖片授權服務商Midjourney

Aurora 的聯合作者、賓夕法尼亞大學機械工程及應用力學副教授巴黎・佩爾迪卡里斯（Paris Perdikaris）表示，Aurora 類似於大型神經網絡，能夠從過去的地球物理數據中學習，預測複雜的物理過程，而不再依賴傳統的物理方程。傳統模型基於質量、動量和能量守恆等基本物理原理，而 Aurora 則是通過觀察和數據進行學習。

Aurora 經過了超過一百萬小時的多樣化地球物理數據預訓練，並在小型工程團隊的協助下，在四到八週內進行了微調。這一過程相較於傳統動力學模型通常需要數年的開發週期而言，顯得迅速而高效。

根據研究人員的報告，Aurora 在2023年能夠準確預測所有颶風，且表現優於當前的氣象預報中心。此外，該模型在2022至2023年期間的五天熱帶氣旋軌跡預測中，超越了七個操作性預報中心，並在十天的全球天氣預測中超越了92% 的目標。

Aurora 作爲一個基礎模型，具有廣泛的應用潛力，除了天氣預測外，還可以進一步調整用於空氣質量、海洋動態、環境極端事件等多個領域。研究人員指出，Aurora 的出現可能會對地球系統預測領域產生深遠的影響，能夠以更低的成本提供更精確的預測。

與此同時，另一種名爲 “Aardvark” 的機器學習天氣預測系統也在不斷嶄露頭角。Aardvark 展示了優於傳統超級計算機模型的潛力，可以在配備 NVIDIA GPU 的桌面上訓練和運行，並以較低的計算成本生成十天的天氣預報。

劃重點:  

🌪️ Aurora 模型在熱帶氣旋軌跡預測中表現優於官方機構，速度快、成本低。  

📊 該模型經過超過一百萬小時的數據預訓練，微調週期僅爲四到八週。  

🌍 Aurora 的潛在應用包括空氣質量、海洋動態和環境極端事件等多個領域。