Il Modello Mosaic Raggiunge lo Stato dell'Arte nelle Previsioni Meteorologiche con Fedeltà Spettrale

Un nuovo modello di previsione meteorologica, Mosaic, utilizza un approccio probabilistico per risolvere le sfide del degrado spettrale nelle previsioni basate sul machine learning. Crea membri d'insieme tramite perturbazioni funzionali apprese e opera su griglie a risoluzione nativa impiegando meccanismi di attenzione sparsa a blocchi. Questo metodo, allineato con l'hardware, cattura efficacemente le dipendenze a lungo raggio a un costo computazionale lineare condividendo chiavi e valori tra query spazialmente adiacenti. Con 214 milioni di parametri operanti a risoluzione di 1,5 gradi, Mosaic eguaglia o supera i modelli addestrati su dati sei volte più fini per le variabili chiave dell'alta atmosfera. Il sistema genera insiemi ben calibrati, con membri individuali che mostrano un allineamento spettrale quasi perfetto su tutte le frequenze risolte. Una previsione di 10 giorni con 24 membri viene completata in meno di 12 secondi, affrontando due fonti principali di degrado spettrale: l'addestramento contro le medie d'insieme e la codifica compressiva che porta a colli di bottiglia informativi. Mosaic ottiene risultati leader tra i sistemi di previsione meteorologica a risoluzione di 1,5 gradi.