我国海洋大模型 “飞鱼-1.0”来了


3秒算出3天海况!

更准更精更轻更快,为航行安全、生态保护等提供全新智能化手段

2月7日,由中国科学院南海海洋研究所与中国石油大学(华东)联合主办的“南海区域海-气双向耦合智能大模型‘飞鱼-1.0’推介暨AI赋能海洋高端论坛”在广州举办。

会议汇聚了复旦大学穆穆院士、南京大学校长谈哲敏院士等国内著名专家学者以及华为、阿里云、摩尔线程等国内开展AI软硬件研发的顶尖企业高管/技术首席,共同见证“飞鱼-1.0”大模型的正式发布,并围绕“AI如何更好赋能海洋及海洋大模型发展趋势”主题展开深度探讨。

首次实现!

为航行安全等提供智能化手段

新快报记者了解到,“飞鱼-1.0”大模型首次实现了海-气物理变化从“单向耦合”到“双向耦合”的跨越,首次摆脱对国外核心数据的依赖性,以更准、更精、更轻、更快的卓越性能,为南海的航行安全、生态保护及科研探索提供了全新的智能化手段。

南海区域海-气双向耦合智能大模型“飞鱼-1.0”由中国科学院南海海洋研究所与中国石油大学(华东)联合研发。作为全球首个面向南海区域的海-气双向耦合智能大模型,“飞鱼-1.0”大模型实现了三项核心技术创新。

首先,核心数据自主可控。训练模型所用核心数据采用中国科学院南海海洋研究所自主研制的高分辨率南海再分析数据集REDOS 2.0,首次让大模型摆脱了对国外核心数据的依赖,打破了以往国内海洋大模型高度依赖欧美再分析数据的局面,并使大模型具备了精准刻画海洋内波、锋面等小尺度过程的能力。

其次是海-气双向智能耦合。前期AI大模型大多都是单纯的大气大模型或海洋大模型,大气与海洋之间是相对独立的。“飞鱼-1.0”大模型将物理机理与AI深度融合,创新性地采用“基于多专家系统的SwinTransformer架构”,通过“快慢”双通道学习,智能化模拟海气之间动量、热量等的双向交互影响,显著提升了海气关键要素预报精度。

“飞鱼-1.0”大模型实现了“即插即用”式的低成本学习与灵活可扩展。传统数值模式对超算资源依赖极高,而飞鱼大模型的核心是一个将南海海气环境时空演化特征的先验知识深度嵌入到亿级参数的特征提取与计算当中,并基于这些先验知识推理复杂海气非线性过程演化的人工智能模型。一旦训练完成,进行预报(推理)的过程本质上是一次高效的前向计算,因此速度极快。同时,模型首创面向海气要素预报的多专家系统,能根据不同预报任务智能调用最合适的计算模块,大幅降低了学习能耗,同时可针对新海域或新任务实现模块化功能扩展。

据介绍,基于以上核心技术创新,“飞鱼-1.0”大模型展现出卓越的性能表现,不仅在温盐等核心要素预报上显著优于欧洲GLORYS12和美国HYCOM等国际主流再分析产品,同时还具备精准刻画大尺度环流到海洋内波、锋面等小尺度过程的能力。在计算效率方面,模型仅需3年历史数据即可完成训练(以往其他AI模型一般需要20年以上的历史数据),在国产化单机环境下完成3天预报仅需3秒。

全球首个!

应用领域广泛

“飞鱼-1.0”大模型作为全球首个面向南海的海-气双向耦合智能大模型,其应用领域广泛,在科研方面,模型可为海洋和大气等学科提供高精度、多尺度的模拟与预测工具,帮助科学家研究南海区域的海气相互作用机制、海洋动力环境特征和规律等。

在公共服务领域,模型可支撑海洋环境保障和防灾减灾工作,如为沿海城市提供台风预报,保障沿海居民、海上作业船只安全,减少居民财产损失,为渔业活动提供温盐等信息预报,支撑渔民出海作业。

在产业方面,其轻量化、低算力需求的特性使其适合部署在科考船、沿海观测站等边缘端,实现“端侧智能”。而模型在科普教育中也可用于生成动态海洋知识图谱,帮助公众更直观地理解海洋奥秘,激发社会对海洋的关注。

在同期举办的高端论坛上,与会专家围绕“AI如何更好赋能海洋及海洋大模型发展趋势”进行了深入探讨。专家认为,当前海洋大模型发展需要重点突破数据壁垒、算力瓶颈和跨学科人才短缺等挑战。此外,论坛还探讨了大语言模型在海洋数据分析、政策制定辅助、海洋管理等方面的巨大潜力。

此次“飞鱼-1.0”大模型的成功发布,不仅是技术层面的重大突破,更为海洋智能化预报提供了重要的技术范式。

■新快报记者 陈慕媛 通讯员 王沐众

            <!-- 非定向300*250按钮    17/09  wenjing  begin -->
            <!-- 非定向300*250按钮  end -->
        </div>



Source link

未经允许不得转载:紫竹林-程序员中文网 » 我国海洋大模型 “飞鱼-1.0”来了

评论 抢沙发

  • 昵称 (必填)
  • 邮箱 (必填)
  • 网址
关于我们 免责申明 意见反馈 隐私政策
程序员中文网:公益在线网站,帮助学习者快速成长!
关注微信 技术交流
推荐文章
每天精选资源文章推送
推荐文章
随时随地碎片化学习
推荐文章
发现有趣的