Earth-2

這款平台利用互動式視覺化,開發加速、AI 增強的高解析度氣候與天氣解決方案。

概覽

氣候數位孿生雲端平台

NVIDIA Earth-2 結合 AI、GPU 加速、物理模擬與電腦繪圖的強大功能開發應用,以空前的準確度和速度,模擬及視覺化全球天氣與氣候預測。該平台提供 AI、視覺化與模擬的開發工具、微服務和參考實作。Earth-2 的 NVIDIA NIM™ 微服務,讓使用者運用 AI 加速模型,最佳化及模擬氣候與天氣的實際結果。

NVIDIA 發布 Earth-2 生成式 AI 基礎模型,以公里規模解析度模擬全球氣候

這款首創的 AI 模型將翻轉氣候建模與分析流程,提升預測、理解及回應氣候變遷的能力。

氣候科技公司採用 NVIDIA Earth-2,實現高解析度、節能且更準確的天氣預報與防災準備

開發採用 AI 技術天氣分析與預測應用程式用的參考架構。

氣候科學開發平台

更高的解析度與大規模 AI 訓練

Earth-2 加速系統讓氣候科學家可製作公里規模的氣候模擬、進行大規模 AI 訓練和推論,並且實現低延遲互動。NVIDIA PhysicsNeMo 整合對多種氣候與天氣模擬神經網路模型的支援。

GPU 最佳化與加速的氣候模擬

Earth-2 開發平台已針對公里規模的 GPU 加速數值氣候模擬最佳化,將每日可完成的模擬天數 (SDPD) 最大化。

資料聯邦與互動式天氣視覺化

NVIDIA Omniverse 實現超大規模的高擬真度互動式視覺化,可描繪全球天氣狀況。Omniverse Nucleus 包含資料聯邦引擎,可在外部資料庫與即時資料串流之間提供透明的資料存取。

Earth-2 工具與微服務

AI

透過 Earth-2 的 AI 工具與微服務,氣候和天氣應用程式開發人員可運用參考 AI 推論流程 (使用預先訓練模型和訓練流程) 以及 NVIDIA PhysicsNeMo,利用自訂資料微調。Earth-2 提供社群模型組合。這些顛覆性的模型可透過降尺度的方式,高效生成大型組合或高解析度預測。

視覺化

互動式視覺化微服務讓大規模天氣與氣候資料得以視覺化及分析。Earth-2 天氣分析用的 NVIDIA Omniverse™ Blueprint,展示開發人員如何使用 Omniverse SDK 和微服務,為渲染地理空間和天氣資料打造搭載 NVIDIA RTX™ 的視覺化流程。Blueprint 還為合作夥伴提供將資料平台整合至 AI 流程的範本。

模擬

模擬微服務支援在 NVIDIA GPU 平台封裝、協調及加速數值天氣預報 (NWP) 模型。

模擬服務即將推出,若要加入開發流程,請與 Earth-2 團隊聯絡。

Earth-2 AI 堆疊

Earth2Studio

採用 Python 技術的 GPU 加速套件,旨在利用各種最先進的 AI 天氣和氣候模型進行實驗和原型設計,幫助使用者快速上手。

生成式 AI 降尺度用的 CorrDiff NIM

實現生成式 AI 的縮放速度加快 500 倍,能源效率提升 10,000 倍。這款服務現已在美國推出,增強目前的應用與工作流程,企業因而可生成更多資料集,取得更準確的天氣事件機率分布。

專為全球天氣預測設計的 FourCastNet NIM

加速 AI 的全球天氣預測,有助於企業開發解決方案,利用擴大至 20 倍的大型資料集,掌握極端天氣事件,並在加速的同時保持能源效率。

PhysicsNeMo

這款物理 AI 訓練框架用於在 ERA5 與 HRRR 等 PB 級資料集上大規模訓練 NIM 微服務。開發人員可使用訓練流程,根據自訂資料量身打造 AI 天氣模型。

各行各業採用的主要廠商

探索 Earth-2 技術展示

Earth-2 提供街道層級的精準模擬

城市等級的模擬資料現已整合至 Earth-2 行星數位孿生。在本影片,我們展示了如何利用 Earth-2 視覺化服務,搭配 ICON、WRF 與 PALM 與 Cesium 提供的 Google Photoreal Tile 高解析度模擬資料,協助因應城市環境的問題。

視覺化 AI 增強天氣模擬

研究人員運用 AI 天氣預報、模擬資料和封存資料的互動式視覺化,分析極端天氣。

Accelerating Carbon Capture and Storage with Fourier Neural Operator and NVIDIA PhysicsNeMo

利用 Fourier Neural Operator 與 NVIDIA PhysicsNeMo 加速碳捕捉與封存

NVIDIA Omniverse 與 PhysicsNeMo 將分析速度加快 700,000 倍,協助工程師規劃並執行碳捕捉與封存,同時確保安全營運和長期儲存,減少排放到大氣的二氧化碳。

Predicting Extreme Weather Events Three Weeks in Advance With FourCastNet

利用 FourCastNet 提前三週預測極端天氣事件

我們在 NVIDIA PhysicsNeMo 執行 FourCastNet,能夠以過去執行單一集合時間的十分之一,生成 1,000 個集合成員的 21 天天氣軌跡,並降低 1,000 倍的能源消耗。

Interactive Visualization of High-Resolution, Global-Scale Climate Data in the Cloud

雲端中高解析度、全球規模氣候資料的互動式視覺化

Earth-2 平台以 NVIDIA Omniverse 與 OpenUSD 3D 框架為建置基礎,可彙總並視覺化各種全球規模的氣候模擬與地理空間資料集。雲端原生技術讓全球各地的任何人都能探索視覺化。