NASA和IBM推出了Prithvi WxC 天气和气候基础模型 讨论：https://huggingface.co/papers/2409.13598 由AI模拟器可以媲美在高性能计算系统上运行的传统数值天气预报模型的发现引发，现在有越来越多的大型AI模型解决诸如预报、降尺度或即时报的用例。虽然AI文献中的并行发展侧重于基础模型——可以有效调整以解决多个不同用例的模型——但天气和气候方面的发展主要集中在单一用例，特别是中期预报。我们通过引入Prithvi WxC来弥合这一差距，这是一种使用现代回顾性分析研究和应用版本2（MERRA-2）的160个变量开发的23亿参数基础模型。Prithvi WxC采用基于编码器-解码器的架构，结合了最近各种Transformer模型的概念，有效地捕捉输入数据中的区域和全球依赖关系。该模型设计用于适应大量标记数，以便在不同拓扑结构的细分辨率下建模天气现象。此外，它以混合目标进行训练，结合了掩码重建与预报的范式。我们在一系列具有挑战性的下游任务上测试了该模型，即：自回归滚动预报、降尺度、重力波通量参数化和极端事件估计。这个拥有23亿参数的预训练模型以及相关的微调工作流已作为开源贡献通过Hugging Face公开发布。