← नवीनतम पेपर
🔬 physics

Scaling Storm-Resolving Atmospheric AI Simulation to the Entire Planet

यह शोध पत्र STRATA को प्रस्तुत करता है, जो एक टाइल-आधारित प्रशिक्षण रणनीति और नवीन वास्तुशिल्प घटकों का लाभ उठाकर पारंपरिक भौतिक मॉडलों की कम्प्यूटेशनल सीमाओं को दूर करने के लिए 4.9-किमी रिज़ॉल्यूशन पर स्थिर, ऊर्जा-कुशल, वैश्विक तूफान-अनुरूप वायुमंडलीय सिमुलेशन उत्पन्न करने में सक्षम पहला ऑटोरेग्रेसिव AI एमुलेटर है।

मूल लेखक: Zeyuan Hu, Akshay Subramaniam, Noel Keen, Tao Ge, Jaideep Pathak, Mohammad Shoaib Abbas, Suman Ravuri, Karthik Kashinath, Naser Mahfouz, Peter Caldwell, Mike Pritchard, Noah Brenowitz

प्रकाशित 2026-07-01
📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें
CC BY 4.0

मूल लेखक: Zeyuan Hu, Akshay Subramaniam, Noel Keen, Tao Ge, Jaideep Pathak, Mohammad Shoaib Abbas, Suman Ravuri, Karthik Kashinath, Naser Mahfouz, Peter Caldwell, Mike Pritchard, Noah Brenowitz

मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। ✨ नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें

पूरे ग्रह के लिए मौसम की भविष्यवाणी करने की कल्पना करें। दशकों से, वैज्ञानिक भौतिकी सिमुलेशन चलाने के लिए विशाल सुपर कंप्यूटरों का उपयोग करते रहे हैं। ये सिमुलेशन अविश्वसनीय रूप से सटीक हैं, लेकिन वे अविश्वसनीय रूप से धीमे और महंगे भी हैं। केवल एक दिन के सिम्युलेटेड मौसम को चलाने में उतनी बिजली खर्च होती है जितनी एक छोटा शहर एक दिन में उपयोग करता है। यह एक मास्टरपीस को हाथ से पेंट करने जैसा है, एक समय में एक छोटा सा ब्रशस्ट्रोक लगाते हुए, जबकि आपको एक घंटे में पूरा कैनवास पूरा करना हो।

यहाँ STRATA आता है, जो NVIDIA और अन्य संस्थानों के शोधकर्ताओं द्वारा विकसित एक नया आर्टिफिशियल इंटेलिजेंस मॉडल है। STRATA को एक पेंटर के रूप में नहीं, बल्कि एक मास्टर "वेदर शेफ" (मौसम रसोइया) के रूप में सोचें जिसने रेसिपी को इतनी बार चखा है कि वह हर एक सामग्री को मापने के बजाय तुरंत व्यंजन को फिर से बना सकता है।

यह कैसे काम करता है, इसे सरल उपमाओं के माध्यम से समझाया गया है:

1. समस्या: बहुत अधिक विवरण, बहुत कम समय

पारंपरिक मौसम मॉडल पूरी पृथ्वी के हर बादल और बारिश की बूंद को सिम्युलेट करने की कोशिश करते हैं। ऐसा करने के लिए, उन्हें ग्रह को छोटे-छोटे ग्रिड (लगभग 5 किलोमीटर चौड़े) में तोड़ना पड़ता है। इससे 2.5 करोड़ टुकड़ों वाली एक विशाल पहेली बन जाती है।

  • पुराना तरीका: भौतिकी सुपरकंप्यूटर एक साथ पहेली के हर एक टुकड़े की गति की गणना करने की कोशिश करता है। यह एक 2.5 करोड़ टुकड़ों वाली जिग्सॉ पहेली को हर टुकड़े को व्यक्तिगत रूप से देखते हुए हल करने जैसा है। इसमें बहुत समय लगता है और बहुत अधिक ऊर्जा खर्च होती है।
  • नया तरीका (STRATA): STRATA मौसम के पैटर्न को सीखता है। हर बार भौतिकी की गणना शून्य से करने के बजाय, यह भविष्यवाणी करता है कि पहले जो देखा गया है उसके आधार पर आगे क्या होगा।

2. रणनीति: "टायल्ड" (Tiles) दृष्टिकोण

सबसे बड़ी चुनौती यह है कि पृथ्वी गोल है, और मौसम का डेटा बहुत बड़ा है। आप पूरे ग्रह को AI की मेमोरी में एक साथ नहीं समा सकते।

  • उपमा: कल्पना करें कि आप एक विशाल शहर के लेआउट को सीखने की कोशिश कर रहे हैं, लेकिन आप एक छोटी खिड़की के माध्यम से एक समय में केवल एक ही मोहल्ले को देख सकते हैं।
  • STRATA कैसे करता है: STRATA पृथ्वी को छोटे, ओवरलैपिंग "टाइल्स" (जैसे फर्श पर टाइल्स होती हैं) में विभाजित करता है। यह सीखता है कि एक छोटे मोहल्ले (128x128 टाइल) में 10 मिनट में मौसम कैसे बदलता है।
  • जादू: क्योंकि 10 मिनट के पैमाने पर मौसम मुख्य रूप से इस पर निर्भर करता है कि उसके ठीक बगल में क्या हो रहा है (स्थानीय गतिशीलता), AI को अगले 10 मिनट का सही अनुमान लगाने के लिए पूरे ग्रह को देखने की आवश्यकता नहीं है। यह मौसम के "स्थानीय नियमों" को सीखता है।
  • असेंबली: जब इसे पूरे ग्रह की भविष्यवाणी करनी होती है, तो यह इन सभी छोटे टाइल्स पर एक साथ सिमुलेशन चलाता है और फिर उनके किनारों को एक 'पैचवर्क क्विल्ट' (रजाई के टुकड़ों) की तरह आपस में मिला देता है, ताकि एक निर्बाध वैश्विक पूर्वानुमान बनाया जा सके।

3. विशेष उपकरण: दुनिया को सही ढंग से देखना

पृथ्वी एक गोला है, लेकिन कंप्यूटर आमतौर पर फ्लैट वर्गों (squares) के रूप में सोचते हैं। इससे विकृति आती है, विशेष रूप से ध्रुवों के पास (जैसे दुनिया के नक्शे को खींचकर फैला देना)।

  • "स्टीरियोग्राफिक" लेंस: STRATA एक विशेष गणितीय ट्रिक का उपयोग करता है जिसे स्टीरियोग्राफिक रोटरी पोजीशन एम्बेडिंग कहा जाता है। कल्पना करें कि आप एक फिशआई लेंस के माध्यम से पृथ्वी को देख रहे हैं जो आपके विशिष्ट टाइल पर केंद्रित है। यह AI को यह समझने में मदद करता है कि जैसे-जैसे आप ग्लोब के चारों ओर घूमते हैं, "उत्तर" और "पूर्व" की दिशा बदल जाती है, जिससे यह कहीं भी देखते समय सटीक रहता है।
  • "डी-एलियासिंग" फ़िल्टर: जब आप छोटे टाइल्स को आपस में जोड़ते हैं, तो कभी-कभी आपको एक "चेकरबोर्ड" पैटर्न मिलता है जहाँ किनारे पूरी तरह से मेल नहीं खाते। STRATA के पास एक विशेष डिकोडर (एक सफाई दल) है जो इन ऊबड़-खाबड़ किनारों को चिकना करता है, यह सुनिश्चित करता है कि तापमान और बारिश प्राकृतिक और निरंतर दिखे, न कि ब्लॉक जैसा।

4. परिणाम: तेज़, कुशल और यथार्थवादी

पेपर का दावा है कि STRATA दक्षता और यथार्थवाद में एक बड़ी छलांग है:

  • गति: जहाँ पुराना भौतिक मॉडल 1 दिन के मौसम को सिम्युलेट करने के लिए लगभग 1 दिन का सुपरकंप्यूटर समय लेता है, वहीं STRATA उतनी ही ऊर्जा का उपयोग करके 48 दिनों का मौसम सिम्युलेट कर सकता है। यह ऊर्जा दक्षता में 50 गुना सुधार है।
  • विवरण: यह "स्टॉर्म-रिजॉल्विंग" (तूफान को पहचानने वाले) विवरणों को पकड़ता है। इसका मतलब है कि यह व्यक्तिगत गरज के साथ तूफान, उष्णकटिबंधीय चक्रवात और पहाड़ी बारिश के पैटर्न को देख सकता है जिन्हें पुराने, कम रिज़ॉल्यूशन वाले मॉडल मिस कर देते हैं। यह एक धुंधली, लो-रिज़ॉल्यूशन वाली फोटो से शार्प 4K इमेज पर स्विच करने जैसा है।
  • स्थिरता: यह बिना टूटे 24 घंटे तक लगातार चल सकता है। हालाँकि यह पूर्ण नहीं है (कभी-कभी लंबे समय में बड़े, धीमी गति से चलने वाले मौसम पैटर्न को थोड़ा गलत कर देता है), यह वास्तविक तूफानों के अराजक और अव्यवस्थित व्यवहार को सफलतापूर्वक पुन: निर्मित करता है।

5. कमी (जो पेपर कहता है)

पेपर अपनी सीमाओं के बारे में ईमानदार है:

  • डेटा की भूख: क्योंकि तूफान अराजक और विवरणों से भरे होते हैं (उच्च "सूचना घनत्व"), STRATA को सरल, कम-रिज़ॉल्यूशन वाले AI मौसम मॉडल की तुलना में प्रति ग्रिड पॉइंट लगभग 10 गुना अधिक कंप्यूटिंग पावर की आवश्यकता होती है।
  • ट्रेनिंग डेटा: इसे केवल 17 दिनों के उच्च-रिज़ॉल्यूशन वाले भौतिक डेटा पर प्रशिक्षित किया गया था। इतने कम प्रशिक्षण डेटा के बावजूद, इसने स्थिर और यथार्थवादी पूर्वानुमान बनाने में सफलता प्राप्त की, जो एक महत्वपूर्ण उपलब्धि है।
  • "ड्रिफ्ट" (विचलन): लंबी अवधि में (24 घंटे से अधिक), मॉडल वास्तविकता से दूर होने लगता है, विशेष रूप से बड़े पैमाने पर हवा के पैटर्न के साथ। लेखक सुझाव देते हैं कि भविष्य में, उन्हें बड़े चित्र को सटीक बनाए रखने के लिए इस उच्च-गति वाले AI को एक धीमे, कम-रिज़ॉल्यूशन वाले मॉडल के साथ जोड़ने की आवश्यकता हो सकती है।

सारांश

STRATA पृथ्वी के मौसम के एक हाई-डेफिनिशन, स्लो-मोशन वीडियो को लेने और एक AI को अगला फ्रेम तुरंत प्रेडिक्ट करना सिखाने जैसा है। ग्रह को प्रबंधनीय मोहल्लों में तोड़कर और ग्लोब के घुमाव को संभालने के लिए स्मार्ट गणित का उपयोग करके, यह एक ऐसा स्तर का विवरण और गति प्राप्त करता है जो पहले असंभव था, जिससे उच्च-रिज़ॉल्यूशन वाला मौसम सिमुलेशन किफायती और तेज़ हो जाता है।

अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?

आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।

Digest आज़माएँ →

इसी तरह के और पेपर

इस विषय के सभी पेपर देखें 🔬 physics →