Nature, einer der weltweit führenden Wissenschaftszeitschriften, hat einen von HUAWEI CLOUD-Forschern verfassten Aufsatz zum bahnbrechenden Pangu-Wettervorhersage-KI-Modell veröffentlicht. Das vom HUAWEI CLOUD-Team entwickelte Modell ist das erste KI-Vorhersagemodell, das eine höhere Präzision als herkömmliche numerische Vorhersagemethoden aufweist.
Laut Nature Index ist dies das erste Mal, dass Mitarbeiter eines chinesischen Technologieunternehmens die alleinigen Autoren eines Nature-Artikels sind. Die Studie, in der beschrieben wird, wie ein globales KI-Wettervorhersagesystem mit hoher Richtigkeit und Präzision auf der Grundlage von Deep Learning und Daten aus 43 Jahren entwickelt werden kann, erschien am 5. Juli 2023 in der renommierten Fachzeitschrift.
«Pangu-Weather» verbessert die Vorhersagegeschwindigkeit um den Faktor 10’000 und verkürzt die Zeit für eine globale Wettervorhersage auf wenige Sekunden. Der Aufsatz mit dem Titel «Accurate medium-range global weather forecasting with 3D neural networks» (Genaue globale Wettervorhersage auf mittlere Sicht mit dreidimensionalen neuronalen Netzen) liefert unabhängige Nachweise für diese Fähigkeiten.
Erstes KI-Vorhersagemodell mit höherer Präzision als numerische Vorhersagemethoden
Pangu-Weather widerlegt die bisherige Annahme, dass die Genauigkeit von KI-Wettervorhersagen geringer ist als die von traditionellen numerischen Vorhersagen. Das vom HUAWEI CLOUD-Team entwickelte Modell ist das erste KI-Vorhersagemodell, das eine höhere Präzision als herkömmliche numerische Vorhersagemethoden aufweist.
Mit der rasanten Entwicklung der Rechenleistung in den letzten 30 Jahren hat sich die Genauigkeit der numerischen Wettervorhersage dramatisch verbessert, so dass nun auch vor extremen Katastrophen gewarnt und Vorhersagen zum Klimawandel getroffen werden können. Allerdings ist die Methode immer noch relativ zeitaufwändig. Um die Geschwindigkeit der Vorhersagen zu verbessern, haben Forscher untersucht, wie Methoden des «Deep Learning» eingesetzt werden können. Dennoch blieb die Präzision von KI-gestützten Vorhersagen für mittel- und langfristige Vorhersagen nach wie vor geringer als die von numerischen Vorhersagen. Extreme und ungewöhnliche Wetterereignisse wie Taifune konnten mit KI in der Regel nicht vorhergesagt werden.
Jedes Jahr gibt es weltweit etwa 80 Taifune. Im Jahr 2022 beliefen sich die direkten wirtschaftlichen Schäden durch Taifune allein in China nach Angaben des chinesischen Ministeriums für Notfallmanagement auf 5,42 Milliarden Yuan (ca. 690 Mio. Euro). Je früher Warnungen herausgegeben werden können, desto einfacher und besser können entsprechende Vorbereitungen getroffen werden.
Obwohl KI-Wettervorhersagemodelle aufgrund ihrer Schnelligkeit attraktiv sind, mangelte es ihnen aus zwei Gründen an Genauigkeit. Erstens basierten bestehende KI-Wettervorhersagemodelle auf zweidimensionalen neuronalen Netzen, die unregelmässige 3D-Wetterdaten nicht gut verarbeiten können. Zweitens konnten mittelfristige Wettervorhersagen unter kumulativen Vorhersagefehlern leiden, wenn das Modell zu oft aufgerufen wurde.
Globale 24-Stunden-Wettervorhersagen in nur 1,4 Sekunden
In wissenschaftlichen Versuchen hat das Pangu-Weather-Modell seine höhere Präzision im Vergleich zu herkömmlichen numerischen Vorhersagemethoden für Vorhersagen von 1 Stunde bis 7 Tagen bewiesen, wobei die Vorhersagegeschwindigkeit um das 10’000-fache erhöht wurde. Das Modell ist in der Lage, innerhalb von Sekunden detaillierte meteorologische Merkmale wie Luftfeuchtigkeit, Windgeschwindigkeit, Temperatur und Luftdruck auf Meereshöhe genau vorherzusagen.
Zur Verarbeitung der komplexen und heterogenen 3D-Meteorologiedaten verwendet das Modell eine 3D Earth-Specific Transformer (3DEST)-Architektur. Unter Verwendung einer hierarchischen zeitlichen Aggregationsstrategie wurde das Modell für verschiedene Vorhersageintervalle trainiert, wobei 1-Stunden-, 3-Stunden-, 6-Stunden- und 24-Stunden-Intervalle verwendet wurden. Dies führte zu einer Minimierung der Anzahl der Iterationen für die Vorhersage eines meteorologischen Zustandes zu einem bestimmten Zeitpunkt und zu einer Verringerung der fehlerhaften Vorhersagen.
Um das Modell für bestimmte Zeitintervalle zu testen, trainierten die Forscher 100 Epochen (Zyklen) mit stündlichen Stichproben von Wetterdaten aus den Jahren 1979 bis 2021. Jedes der daraus resultierenden Teilmodelle benötigte 16 Tage Training auf 192 V100-Grafikkarten. Das Pangu-Wettermodell ist nun in der Lage, globale 24-Stunden-Wettervorhersagen in nur 1,4 Sekunden auf einer V100-Grafikkarte zu erstellen, was eine 10’000-fache Verbesserung gegenüber herkömmlichen numerischen Vorhersagen darstellt.
Dr. Tian Qi, Chief Scientist des HUAWEI CLOUD AI Field, IEEE-Fellow und Akademiker der International Eurasian Academy of Sciences, erklärt, warum sich das HUAWEI CLOUD-AI-Team auf Wettervorhersagen konzentriert hat: «Wettervorhersagen sind eines der wichtigsten Szenarien im Bereich des wissenschaftlichen Rechnens, da meteorologische Vorhersagen ein sehr komplexes System sind und es schwierig ist, alle Aspekte des mathematischen und physikalischen Wissens abzudecken. Wir freuen uns daher sehr, dass unsere Forschung von der Zeitschrift Nature gewürdigt wurde. KI-Modelle können aus riesigen Datenmengen statistische Gesetzmäßigkeiten der atmosphärischen Entwicklung ableiten. Pangu-Weather ergänzt derzeit vor allem die Arbeit des Vorhersagesystems, dessen Hauptaufgabe es ist, die Entwicklung atmosphärischer Zustände vorherzusagen. Unser Ziel ist es, mit Hilfe von KI-Technologien ein Wettervorhersagesystem der nächsten Generation zu entwickeln, um die bestehenden Vorhersagesysteme zu verbessern».
In ihrem Kommentar zur Bedeutung und Qualität der HUAWEI CLOUD-Forschung erklärten die wissenschaftlichen Gutachter von Nature, dass Pangu-Weather nicht nur sehr einfach herunterzuladen und auszuführen ist, sondern auch schnell auf einem Desktop-Computer läuft. «Das bedeutet, dass jeder in der meteorologischen Gemeinschaft diese Modelle jetzt nach Belieben ausführen und testen kann. Das ist eine großartige Gelegenheit für die Gemeinschaft, zu untersuchen, wie gut das Modell bestimmte Phänomene vorhersagt. Das wird den Fortschritt auf dem Gebiet fördern.» Ein anderer Rezensent bemerkte, dass «die Ergebnisse selbst einen bedeutenden Schritt über frühere Ergebnisse hinaus darstellen. Meiner Meinung nach wird diese Arbeit dazu führen, dass die Menschen neu bewerten, wie Vorhersagemodelle in Zukunft aussehen könnten».
Im Mai 2023 erregte der Taifun Mawar als bisher stärkster tropischer Wirbelsturm des Jahres die Aufmerksamkeit der Weltöffentlichkeit. Nach Angaben des chinesischen Wetterdienstes hat Pangu-Weather die Zugbahn des Taifuns Mawar fünf Tage vor seinem Eintreffen in den östlichen Gewässern der Inseln Taiwans präzise vorhergesagt.
Für die kontinuierliche Weiterentwicklung der führenden KI-Wettervorhersagemodelle sind auch stabile Cloud-Umgebungen, Arbeitsumgebungen und entsprechende Betriebs- und Wartungsmaßnahmen erforderlich. (Huawei/mc/hfu)
