openclimatefix/graph_weather

解決的問題

Graph Weather 提供了一個模組化的框架，使用圖神經網絡（GNN）進行天氣預報與資料同化。它讓研究人員和開發者能夠實現並實驗各種基於圖的 AI 模型，以比傳統數值天氣預報（NWP）方法更高效、更準確地預測天氣模式。

如何運作

該程式庫實現了多種先進的基於圖的預報模型，包括 DeepMind 的 GenCast 和 FGN、微軟的 Aurora，以及 FengWu-GHR。它會根據緯度和經度座標內部生成圖結構，讓使用者可以直接將節點特徵傳入模型。此外，還包含一個專用的同化模型，可將不規則的觀測資料（含緯度、經度和高度）映射至目標輸出格網。

適用對象

本專案旨在為從事機器學習在天氣與氣候科學領域的研究人員、氣象學家和開發者設計。

主要特色

• 多種模型架構：實現多種預報模型，例如基於擴散的 GenCast、Aurora，以及 WeatherMesh-3（鄰域注意力）。
• 模組化設計：元件可互換，便於實驗不同的基於圖的方法。
• 資料同化：內建工具可將不規則的觀測資料轉換為結構化格網。
• 基於 PyTorch：建構於 PyTorch 之上，支援彈性的訓練與推論。