最终是“用不精准”。车慧正举例,环保部分在知道哪类污染物是“主力”后,才干针对性减排。并且,交通运输、空管等部分高度依靠高精度、实时更新的能见度数据,以此保证路途通行与航班起降安全。但是,传统监测体系供给的数据往往不行全面、更新滞后或精度缺乏,难以满意这些日益精细化、时效性强的实践办理需求。
一起,研讨团队收集了高时空分辨率历史数据,明晰记录了曩昔20年我国首要污染物的“迁徙道路”。比方,团队经过剖析数据发现,2013—2020年我国人群PM2.5年均露出水平下降48%,其间减排是PM2.5浓度下降的主导要素。这一些数据为“环境气候多要素智能感知及大模型预告体系”打下了坚实基础。
研发“环境气候多要素智能感知及大模型预告体系”进程中最中心的打破,是团队开发的全球首个气溶胶—气候耦合预告AI大模型(AI-GAMFS)。这个包括13亿个参数的“超级大脑”具有惊人的计算速度。传统超级计算机进行一次全球气候预告要“埋头苦干”数小时,而它1分钟内就能完结,还能精准猜测沙尘的“行进道路”、污染物的“散失时刻”。