研究突破
HiRO-ACEv2:以極低成本模擬 3 公里解析度的極端天氣
HiRO-ACEv2: Simulating extreme weather at 3 km resolution for a fraction of the cost

huggingface.co · 2026-10-14
摘要
Hugging Face 發布 HiRO-ACEv2,這是一款專為模擬極端天氣設計的高解析度 AI 模型,能在 3 公里解析度下運作,且成本遠低於傳統方法。這項技術突破意味著氣象預報與氣候研究將能更精確地預測極端事件,同時大幅降低運算資源的消耗,為氣候科學帶來新的效率標準。
HiRO-ACEv2 是 Ai2 高解析度氣候模擬系統 HiRO-ACE 的最新版本,目標是用遠低於 X-SHiELD 的成本,產生 3 公里解析度的極端天氣資料。根據文章,完整系統產生全球 3 公里氣候資料的成本,約為 X-SHiELD 的三百分之一。X-SHiELD 是一套高解析度全球大氣模型,會直接模擬風暴等小尺度天氣。
系統架構與主要更新
HiRO-ACE 於 2026 年稍早推出,由兩個部分組成。ACE 以 100 公里的較粗解析度運作;HiRO 負責把 ACE 的粗略輸出細化成 3 公里的細節。
HiRO-ACEv2 最大的改變是新的降尺度模型 HiROv2。前一版只預測降雨,新版可以同時預測多個高解析度場量,涵蓋的極端天氣範圍因此更廣。此外,它預測極端事件的表現也有進步。
極端事件的模擬表現
團隊表示,這次的主要目標是把極端事件模擬得更好。調整訓練方式後,HiROv2 更能重現最強的降雨、風速與氣壓數值。
輸入為經過粗化處理的 X-SHiELD 資料時,HiROv2 的高解析度統計結果與目標模擬的差距在 3% 以內。就算是一百萬個資料點中只出現一次的罕見事件,也在這個範圍內。
在熱帶氣旋方面,HiROv2 能準確估算颶風的總能量,包括訓練時沒出現過的風暴。生成的颶風有合理的颱風眼與雨帶,但颱風眼周圍的風與氣壓,不對稱程度仍略高於 X-SHiELD。HiROv2 也能合理呈現沿山坡傾瀉而下的強風。
更新後的 ACE 與全球 3 公里資料
團隊同時為這套系統訓練了更新版的 ACE。在一段 10 年的模擬中,這個版本的颶風、平均氣候型態,以及降雨、風與氣壓的整體分布,都與 X-SHiELD 相符。團隊認為,這代表 ACE 的粗解析度模擬可以當作產生長期高解析度氣候資料的基礎。
團隊把 HiROv2 與 ACE 結合,產生了一整年的全球 3 公里資料。其統計特徵與 X-SHiELD 相當接近,不過 HiRO 使用的輸入是 ACE 自行執行的模擬結果,不是真正的 X-SHiELD 資料。
在 10 年的運行中,HiRO-ACEv2 颶風的能量與同一時期的 X-SHiELD 相當。該次運行的快照也呈現多種其他極端事件,樣貌與 X-SHiELD 中的事件相似。
成本與使用情境
文章指出,HiRO-ACEv2 讓研究人員能以較低成本,產生多組 10 年或更長時間的高解析度降雨、風與氣壓極端事件資料。產生全球高解析度資料的成本,約為執行 X-SHiELD 的三百分之一。如果只需要單一區域,節省幅度可以更大、超過一百倍,實際數字取決於區域大小。團隊也表示,正在開發精簡版的 HiROv2,有望讓速度再快十倍以上。
目前的限制與後續計畫
HiRO 是從 X-SHiELD 學習而來,因此目前只能搭配與 X-SHiELD 相符的 ACE 版本。也就是說,它還無法為其他氣候產生高解析度資料,例如較溫暖的未來情境,或 ERA5 等資料集記錄的歷史紀錄。
團隊計畫用新的 X-SHiELD 資料集進行訓練,其中包括模擬暖化 4°C 世界的資料,讓系統能處理不同的氣候條件。團隊也計畫加入近地表溫度,以及雪與冰等輸出項目,文中提到這些項目可支援積雪預測等更多用途。
視覺化與取用方式
為了方便觀察 HiRO 的輸出結果,團隊建置了一個網頁展示。使用者不必執行推論,就能瀏覽預先產生的降水、風與海平面氣壓輸出,也能把 HiROv1、HiROv2 與 X-SHiELD 並列比較,並放大自己關心的區域檢視。
文章也提到,模型可供下載,教學筆記本則說明如何執行這些模型。
●開發者:可關注高解析度氣候模擬的 AI 模型架構
●投資人:氣候科技與綠色運算領域值得留意
●一般用戶:未來極端天氣預報將更準確
重要性評分
🟠 值得關注
喜歡這篇?每天早晨還有更多。
訂閱 5min AI,讓 AI 替你追蹤整個 AI 世界。
相關指南

Google AI Studio Vibe Coding 教學:快速原型開發實戰
深入解析 Vibe Coding 是什麼,並提供 Google AI Studio 使用教學。透過 Google 程式碼生成技術,快速建立原型,提升開發效率。
閱讀指南 →
Perplexity vs ChatGPT:2026 搜尋與對話 AI 工具比較
深入比較 Perplexity vs ChatGPT 2026 版本,分析 perplexity 和 chatgpt 差異,解答 perplexity 好用嗎,並提供最佳 ai 搜尋工具推薦與選擇建議。
閱讀指南 →
Laya 開源決策模型中文實測:零樣本 53 題判斷題結果
Laya 是 Apache 2.0 的開源決策模型,不生成文字、只做選擇題。我們用 53 題中文長文判斷題零樣本實測,記錄結果、設定陷阱與使用建議。
閱讀指南 →🤖 本文摘要由 AI 自動生成,內容源自原始報導。如有疑慮,請參閱關於我們。
喜歡這篇?每天早晨還有更多。
訂閱 5min AI,讓 AI 替你追蹤整個 AI 世界。