NVIDIA Earth-2

Atlas 架构可提前 15 天对 70 多种天气变量进行高精度预测，在关键行业基准测试中优于 GenCast 等领先的开放模型。

Earth-2 Nowcasting 使用生成式 AI 预测卫星和雷达图像，可在几分钟内提供高保真、零到六小时的危险天气预报。它是首个在风暴动力学仿真中超越传统物理系统的 AI 模型。

Earth-2 Global Data Assimilations 模型在 GPU 上只需几秒即可生成精确的初始大气条件，而超级计算机则需要几小时。与 Earth-2 Medium Range 配合使用时，可提供由开放的全 AI 工作流生成的最精准预测结果。

CorrDiff 可以使生成式 AI 降尺度的速度提升 500 倍，能效提升 10,000 倍。这增强了当前的应用和工作流，使企业能够生成更多数据集，从而更准确地预测天气事件的概率分布。

FourCastNet 3 可加速基于 AI 的全球天气预报。借助它，企业可以使用规模扩大 20 倍的数据集开发解决方案，捕捉极端天气事件，同时保持或提高能效。

城市规模的仿真数据现已纳入 Earth-2 地球数字孪生中。在此视频中，我们演示了如何将来自 ICON、WRF 和 PALM 的高分辨率仿真数据与 Cesium 提供的 Google Photoreal Tiles 相结合，并使用 Earth-2 可视化服务帮助解决城市环境中的问题。

研究人员正在使用 AI 天气预报、仿真数据和存档数据的交互式可视化来分析极端天气。

NVIDIA Omniverse 和 PhysicsNeMo 可将分析速度提升 700,000 倍，帮助工程师规划和运营碳捕获与封存，确保安全运行和长期封存，并减少排放到大气中的二氧化碳量。

通过在 NVIDIA PhysicsNeMo 中运行 FourCastNet，我们能够以之前生成单个集合的十分之一时间生成 1,000 个集合成员的 21 天天气轨迹，而且能耗降低 1,000 倍。

Earth-2 平台基于 NVIDIA Omniverse 和 OpenUSD 3D 框架构建，能够聚合和可视化各种全球规模的气候仿真和地理空间数据集。借助云原生技术，全球任何用户都可以探索可视化内容。