PEAR: Equal Area Weather Forecasting on the Sphere
该论文介绍了 PEAR，这是一种基于 Transformer 的天气预测模型，其原生运行于 HEALPix 等面积网格上，以消除非物理的极地偏差，并在无需额外计算开销的情况下超越现有的等角网格模型。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
想象一下，你试图在一张平面地图上绘制出整个地球天气的完美图景。几十年来，科学家们传统的做法是在全球绘制一个由方格组成的网格，就像棋盘一样。
旧网格的问题
这种“棋盘”方法的麻烦在于，它在两极（北极和南极）附近会发生扭曲。为了让方格贴合地球的曲面，赤道附近的方格宽大而舒适，但随着你向两极移动，方格会被挤压成微小、拥挤的碎片。
这导致数据在两极形成了“交通堵塞”。计算机必须对这些微小、拥挤的方格进行大量额外处理，而赤道则享受着轻松、省力的待遇。这种不均衡引入了“偏差”，就像试图用一把根据你握持位置不同而伸缩的尺子来测量一个圆形房间。
新解决方案：等面积平铺
本文的作者 PEAR 决定尝试一种名为 HEALPix 的不同平铺方法。
将 HEALPix 想象成不是一个棋盘，而是一个完美贴合的足球。
- 大小相等：这个足球上的每一块补丁大小完全相同。无论你在赤道还是北极，每一个“像素”覆盖的地面面积都完全一致。
- 无扭曲：由于每一块补丁大小相同，计算机无需在两极进行额外工作。它公平地对待整个星球。
PEAR 模型
该团队构建了一个名为 PEAR（Pangu Equal Area，盘古等面积）的新型 AI 天气预报模型，它原生地使用这种足球网格的语言。
- 原生使用者：之前的 AI 模型必须先将天气数据从“被挤压的”棋盘网格“翻译”成“等面积的”足球网格才能进行处理，然后再翻译回来。PEAR 跳过了翻译环节。它直接在足球网格上思考、学习和预测。
- Transformer 引擎：PEAR 使用了一种强大的 AI 架构（Transformer），它以“窗口”方式观察天气。由于网格是均匀的，这些窗口在任何地方都完全一致。
他们的发现
研究人员将 PEAR 与当前的顶级 AI 天气模型（如 Pangu-Weather、GraphCast 和 FengWu）以及他们自己模型的旧版“棋盘”版本进行了测试。
- 更高的准确性：PEAR 的天气预报比所有其他模型更准确，尤其是对于长达 10 天的预报。它在预测温度、风和气压方面表现更佳。
- 更快更轻量：尽管更准确，PEAR 并不需要更多的计算能力来运行。事实上，它比一些竞争对手更快，并且使用的“脑细胞”（参数）比庞大的盘古模型更少。
- 公平性：通过消除“两极扭曲”，该模型更自然地学习了大气的物理规律，而不会被旧网格奇怪的几何形状所误导。
核心结论
该论文认为，如果你想预测整个星球的天气，就不应该使用一种将两极视为拥挤的地铁站、将赤道视为空旷公园的网格。通过切换到一种让拼图每一块大小都相同的网格（HEALPix），AI 能够更清晰地看清全貌，并在不需要更大、更慢的计算机的情况下做出更好的预测。
他们还表明，这种新方法在模拟长期气候模型方面效果良好，证明了“足球”网格是理解地球未来的坚实基础。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。