In the context of global climate science, searching for more efficient and accessible solutions, a significant advancement has been announced. IBM, in collaboration with NASA and with contributions from the Oak Ridge National Laboratory, has launched an open-source foundation AI model named Prithvi WxC. This model is not only customizable for a variety of weather and climate applications at different scales, but it can also run on a desktop computer-dramatically reducing reliance on traditional supercomputing resources.

Core Technology and Superior Performance

Prithvi WxC is a foundation model trained on an enormous dataset-NASA’s MERRA-2 reanalysis, covering more than 40 years. This dataset includes multiple atmospheric variables such as temperature, pressure, humidity, gas concentrations, and radiation. Although the initial training took weeks and dozens of GPUs, the model can now be fine-tuned rapidly for different use cases and run in seconds on a desktop machine.

The model features a flexible hybrid architecture based on a vision transformer and a masked autoencoder. Its encoder-decoder structure integrates spherical embeddings of geographic position, enabling the model to capture nonlinear interactions across atmospheric layers. With roughly 2.3 billion parameters (or a smaller configuration of 320 million parameters: 220 million for the encoder and 100 million for the decoder), Prithvi WxC can handle incomplete data and scale efficiently for both global and regional forecasts without sacrificing resolution. This capability allows it to generate ultra-local forecasts and accelerate regional climate predictions by three to four orders of magnitude.

Addressing Major Challenges and Practical Applications

Prithvi WxC tackles the complexities of atmospheric physics simulation even with missing data, improving forecast accuracy by learning to fill data gaps. Immediate practical applications for forecasters include:

• Downscaling: Transforming low-resolution data into high-detail outputs. For instance, areas of heavy rainfall once viewed at a 150 km² scale in traditional climate models can now be resolved at 12.5 km² segments, improving early warnings for flash floods and severe storms.
• Storm Track Forecasting: Research has used the model to accurately reconstruct the path of Hurricane Ida (2021), demonstrating its potential for more precise future storm tracking and stronger defense planning.
• Gravity Wave Estimation: Gravity waves influence cloud formation and global weather patterns (e.g., aircraft wake turbulence). Prithvi WxC enhances traditional climate models in these areas, reducing forecast uncertainty and potentially transforming global supply-chain coordination.
• Local and Long-Term Scenarios: The model can run hundreds of climate-change, storm, drought, and flood scenarios with high confidence. It can also be fine-tuned on local data to improve accuracy in coastal and urban regions.
• Nowcasting: IBM partners with Environment and Climate Change Canada to customize the base model for real-time rainfall predictions, using live radar data to forecast local precipitation over the next few hours.

Broad Impact and Future Expansion

Developing Prithvi WxC is part of NASA’s broader strategy to create a family of foundation AI models that support Earth science mission objectives. The model is publicly released as open-source on Hugging Face, encouraging the global scientific community to explore and leverage its capabilities.

This represents a critical step toward harnessing AI for atmospheric science, improving forecast accuracy, and informing climate-change decisions. The World Economic Forum underscores the pivotal role of foundation AI models like Prithvi WxC in driving green economic growth and enhancing global resilience.

Beyond immediate benefits, Prithvi WxC also holds potential for new use cases-from crop yield forecasting to predicting extreme flood events and their community impacts-especially when integrated with other geospatial AI models such as Prithvi Earth Observation.

Prithvi WxC: Mô Hình AI Nền Tảng Đột Phá Từ IBM Và NASA Cho Dự Báo Khí Hậu Toàn Cầu

Trong bối cảnh khoa học khí hậu toàn cầu đang tìm kiếm các giải pháp hiệu quả và dễ tiếp cận hơn, một bước tiến đáng kể đã được công bố. IBM, hợp tác cùng NASA và với sự đóng góp từ Phòng thí nghiệm Quốc gia Oak Ridge, đã ra mắt một mô hình AI nền tảng mã nguồn mở mang tên Prithvi WxC. Mô hình này không chỉ có khả năng tùy chỉnh cho nhiều ứng dụng liên quan đến thời tiết và khí hậu ở các quy mô khác nhau, mà còn có thể chạy trên một máy tính để bàn, giảm đáng kể sự phụ thuộc vào các siêu máy tính truyền thống.

Công Nghệ Nền Tảng Và Hiệu Quả Vượt Trội

Prithvi WxC là một "mô hình nền tảng" (foundation model) được huấn luyện trên bộ dữ liệu khổng lồ, cụ thể là dữ liệu tái phân tích MERRA-2 của NASA trong hơn 40 năm. Dữ liệu này bao gồm hàng loạt biến số khí quyển như nhiệt độ, áp suất, độ ẩm, thành phần khí và bức xạ. Mặc dù quá trình huấn luyện ban đầu tốn nhiều tuần và hàng chục GPU, mô hình giờ đây có thể được tinh chỉnh nhanh chóng cho các trường hợp sử dụng khác nhau và chạy trong vài giây trên máy tính để bàn.

Mô hình này sở hữu kiến trúc lai linh hoạt, dựa trên một biến áp thị giác (vision transformer) và bộ mã hóa tự động được che mặt (masked autoencoder). Cấu trúc encoder-decoder tích hợp vị trí địa lý dạng spherical embedding cho phép mô hình nắm bắt tương tác phi tuyến giữa các tầng khí quyển. Với khoảng 2.3 tỷ tham số (hoặc 320 triệu tham số, bao gồm 220 triệu cho encoder và 100 triệu cho decoder), Prithvi WxC có thể xử lý dữ liệu không hoàn chỉnh và mở rộng hiệu quả cho cả khu vực toàn cầu và khu vực mà không làm giảm độ phân giải. Điều này cho phép nó tạo ra các dự báo siêu cục bộ và tăng tốc độ tạo ra các dự báo khí hậu khu vực lên ba đến bốn bậc độ lớn.

Giải Quyết Thách Thức Và Các Ứng Dụng Thực Tiễn

Prithvi WxC giải quyết thách thức trong việc mô phỏng vật lý khí quyển phức tạp ngay cả khi có thông tin bị thiếu. Nó cũng giúp cải thiện khả năng dự báo bằng cách học cách điền vào các khoảng trống trong dữ liệu. Mô hình này mang lại nhiều ứng dụng thực tiễn ngay lập tức cho các nhà dự báo:

Tăng độ phân giải (Downscaling): Khả năng phóng to dữ liệu độ phân giải thấp để có chi tiết hơn, giúp cung cấp cảnh báo sớm về các sự kiện thời tiết cực đoan như lũ lụt hoặc gió bão mạnh. Ví dụ, khu vực mưa lớn dẫn đến lũ quét từng được nhìn từ góc độ 150 km² trong mô hình khí hậu truyền thống, nay có thể được nhìn thấy trong các phân đoạn 12.5 km².

Dự báo bão: Nghiên cứu đã sử dụng mô hình để tái tạo chính xác đường đi của Bão Ida năm 2021. Điều này có thể giúp theo dõi bão chính xác hơn trong tương lai để củng cố hệ thống phòng thủ.

Cải thiện ước tính sóng trọng lực (Gravity Waves): Sóng trọng lực ảnh hưởng đến sự hình thành đám mây và các kiểu thời tiết toàn cầu, chẳng hạn như vị trí nhiễu động máy bay. Prithvi WxC giúp các mô hình khí hậu truyền thống khắc phục hạn chế này, giảm sự không chắc chắn trong dự báo và có thể thay đổi cách điều phối chuỗi cung ứng toàn cầu.

Dự báo cục bộ và các kịch bản dài hạn: Có thể chạy hàng trăm kịch bản biến đổi khí hậu, dự báo bão, hạn hán, lũ lụt với độ tin cậy cao. Mô hình cũng có thể được tinh chỉnh với dữ liệu địa phương để nâng cao độ chính xác cho các khu vực ven biển hoặc đô thị.

Dự báo lượng mưa tức thời (Nowcasting): IBM đang hợp tác với cơ quan thời tiết Canada để tùy chỉnh mô hình cơ bản cho dự báo lượng mưa tức thời, sử dụng dữ liệu radar thời gian thực để đưa ra dự đoán mưa cục bộ trong vài giờ tới.

Tác Động Sâu Rộng Và Tương Lai Mở Rộng

Việc phát triển Prithvi WxC là một phần trong chiến lược rộng lớn hơn của NASA nhằm tạo ra một "gia đình" các mô hình AI nền tảng để hỗ trợ các mục tiêu sứ mệnh khoa học về Trái đất. Mô hình này đã được phát hành công khai dưới dạng mã nguồn mở trên Hugging Face, khuyến khích cộng đồng khoa học toàn cầu khám phá và khai thác khả năng của nó.

Đây là một bước tiến quan trọng hướng tới việc tận dụng AI để thúc đẩy khoa học khí quyển, cải thiện khả năng dự báo và hỗ trợ các quyết định về biến đổi khí hậu. World Economic Forum cũng nhấn mạnh vai trò then chốt của các mô hình AI nền tảng như Prithvi WxC trong quá trình chuyển đổi khí hậu, thúc đẩy tăng trưởng kinh tế xanh và khả năng thích ứng toàn cầu.

Mô hình này không chỉ hứa hẹn lợi ích kinh tế mà còn có tiềm năng mở ra các trường hợp sử dụng mới, từ dự báo sản lượng cây trồng đến dự đoán các sự kiện lũ lụt cực đoan và tác động của chúng đến cộng đồng khi kết hợp với các mô hình AI địa không gian khác như Prithvi Earth Observation.

Source / Nguồn tham khảo:

• Prithvi-weather-climate: Advancing Our Understanding of the Atmosphere – NASA Earthdata Blog, 27/06/2024 NASA Earthdata
• Introducing Prithvi WxC, a new general-purpose AI model for weather and climate – IBM Research Blog, 2024 IBM Research
• NASA, IBM Research to Release New AI Model for Weather and Climate Applications – ScienceDaily, 22/05/2024 NASA Science
• AI’s role in the climate transition and how it can drive growth – World Economic Forum, 16/01/2025 World Economic Forum
• Prithvi WxC: Foundation Model for Weather and Climate – arXiv, 20/09/2024 export.org.uk