应对气候变化与极端天气
云端大算力定期进行重新训练和优化
- 尽管概率很低，但未来总是可能出现过去几十年未曾出现过的天气变化
- 大地量子每个季度更新气象观测数据，进行线上重新训练，确保模型总是反映最新的气象变化
- 利用40年历史数据，Simba具有优秀的极端天气预测能力
端到端的AI
Simba模型是一个基于大量transformer的千亿参数AI模型，与比如WRF在内的传统气象模式不同之处在于，Simba不计算任何PDE方程，不计算任何大气物理模式，仅依靠海量的数据进行AI训练。这使得Simba比传统模式迭代更快，预报也更快
50000倍
Simba的预报效率是传统模式计算的50000倍，推理时所需要的计算资源是原来的1/50000，这不仅意味着Simba的日常预报更加节能省电，还意味着大规模的集成预报和多模式预报（Ensemble Forecasting）变得现实，使预报精度能够得到进一步的提升
业界一流
在7日内的主要气象要素预报测试中，Simba超越EMCWF的HRES预报和NOAA的GFS预报精度水平，达到业界一流的7日短临预报精度。这代表无论是场站的功率预测，还是大范围的区域功率预测，Simba都提供了强有力的基底预报数据。
风场与辐照量的针对性优化
Simba针对难以预测的风场和云层进行优化
- 影响风电出力主要是风场，影响光伏出力主要是云层变化
- 无论是风场还是云层，都是预测难度较高的气象要素
- Simba模型具有优秀的风场和云层预测能力
卫星AI数据融合
对于传统模式来讲，数据越少越好，而对于AI模型来讲，数据越多越好
- 大地量子在研发时同时使用静止轨道卫星数据进行高频数据同化
- 使用每10-15min更新一次的静止轨道卫星数据，参与模型训练与进行模型验证
- 大地量子利用数据融合技术，融合分析数据，再分析数据，气象站数据与静止卫星数据，一体化参与AI模型的训练