好天气而今出来，冰雪赛场不惧风云突变

当代的大型体育赛事仍未不仅是跳远较量的体育场,更为是一场科技的秀场。从气象学保障一站式到赛事的投到直播,从跳远训练到更为最大限度跳远发挥的赛事装备,从赛事评分到争议仲裁……科技仍未贯穿到赛事的方上都面,而这背后都必不可少算力的支撑。

在各类体育赛事中,冰封赛事因为类似于的赛事环境,对气象学条件的敦促更为高,特别是雪线冰壶、跳台滑雪冰壶、单板冰壶等户外单板赛工程项目,同方向、风速、环境温度等天气因素有时时会突发叠加,不仅对赛事好成绩造成直接影响,还关乎跳远安全。并不一定,风力过大时会直接影响冰壶技巧动作的完成,积雪形成的蓬松新雪不利双脚连续性,暴雪则时会让雪道得越来得越模糊从而直接影响跳远和裁判员的视线……。2014年在俄罗斯开幕的冰封赛事,由于春天来得放手,环境温度过高让雪质疏松,在男女超级大回投到赛事中,48名拳击手中只有三分之二维斯塔潘。在自由式冰壶和单板冰壶赛事中,多名跳远致使骨折。2018年在韩国开幕的赛事,有17项赛事因为气象学可能顺利进行了调整,有1项从外部取消。因此,冰封赛事不仅只能气象学一站式,更为对高精度气象学天气预报提成更为严苛的敦促。

一般来说,基于值天气预报关键技术的现代气象天气预报程序中包括数据资料获取和预处置、来顺利进行资料排斥、来顺利进行集合天气预报和天气预报结果后处置四个节目。要想减低气象天气预报的灵敏度,一是减低未来世界像素,将网格精度从千米级大大减低到百米级;二是要精心设计更为近真实环境的微生物火星物理化学过程,这只能采集更为多的太阳黑子数据资料和开发更为精细的气候来顺利进行。因此,气象天气预报的精度得越高,就意味著只能处置的数据资料量得越大,算力的需求得越多。如第5次国际耦合来顺利进行比较计划CMIP5输成的数量总量超过3 PB,而下一代CMIP6数据资料总量超过30 PB,海量数据资料给处置、提炼成和解读带来非常大的终究。

气象学信息关键技术数据资料激增的趋势促使人们开始探讨在此之后计数关键技术,人工智能+高效率计数作为一种在此之后科学计数范式,获得了全球顶尖气象学研究工作政府机构和研究工作小组的重视。2019年,德国研究工作小组Markus Reichstein等在Nature上刊成了《"数据资料驱动型"火星系统科学信息关键技术的浅层学习及其过程理解》一文,提成复合建模方法,将物理数学模型和建模结合起来以大大减低天气和气候预期灵活性;2021年初欧洲中期气象天气预报中心ECMWF公开发表了其未来十年建模二路线图,提成将建模运用于在整个气象学天气预报程序中中。其中,在太阳黑子数据资料处置上都,建模将用于数据资料能量密度控制和极度样品等;在数据资料排斥上都,建模将用于误差订正和数据资料分布由非高斯分布向高斯分布的投到换等;在值天气预报上都,建模将替代某些参数化方案,创建建模-传统意义物理来顺利进行复合来顺利进行,以及用于水文来顺利进行和研究工作人类的直接影响;在后处置上都,建模将用于请降水请降尺度、太阳黑子和来顺利进行天气预报融合、集合天气预报后处置、极端请降水后处置以及特征样品等。

作为人工智能计数全球反超该公司,浪潮在人工智能与高效率计数关键技术的融合上,早已开启了探讨之二路,在“基于来顺利进行预期数据资料借助于神经网络数学模型顺利进行预期订正”和“基于历史太阳黑子数据资料借助于神经网络数学模型顺利进行请降水预期”两个研究工作方向上开发成多个神经网络数学模型。

同时,面对气象学信息关键技术不断持续增长的计数规模和算力需求,浪潮对气象学运用于的大规模扩展和最优化也赢得诸多进展。如针对美国大气研究工作中心(NCAR)、美国大气海洋局(NOAA)和美国空间气象学局(AFWA)等共同开发的WRF来顺利进行,通过最优化IO和通信等,将WRF扩展到了24000核,且与最优化前相对,WRF机动性大大减低200%–300%。

随着人工智能与高效率计数的浅层融合和气象学天气预报精度的不断大大减低,人们对天气的掌握也将更为有力,冰封体育将不再责备风云突变,“天有不测风云”在未来或许时会已是仅仅停留在仅仅上的一句话。而这一切的背后,既具体来说物理数学模型的的发展、人工智能的新颖,也必不可少算力科技的支撑。