The Pulse
Ai2 veröffentlicht drei ACE2.5-ERA5-Checkpoints für die Klimaforschung
Ai2 hat drei Konfigurationen seines Atmosphärenemulators ACE2.5-ERA5 auf Hugging Face veröffentlicht. Die Forschungsmodelle sind nicht für operative Klimavorhersagen vorgesehen.

Drei Konfigurationen von Ai2s Atmosphärenemulator ACE2.5-ERA5 sind jetzt auf Hugging Face verfügbar. Sie umfassen tägliche und sechsstündliche Versionen, die mit ERA5-Daten trainiert wurden. Die am 19. November erfolgte Veröffentlichung des Repositorys ist für Forschungszwecke gedacht. Ai2 warnt davor, ACE-Modelle für operative Klimavorhersagen zu verwenden.
Quelle huggingface.co
Das Modell soll atmosphärische Variabilität über Zeiträume von Tagen bis Jahrhunderten simulieren. Es folgt auf ACE2-ERA5 und verwendet einen stochastischen Ansatz, um Ensemble-Vorhersagen zu erstellen.
Drei Konfigurationen
Das primäre tägliche Modell arbeitet mit einer Auflösung von 1 Grad und hat 46 Millionen Parameter. Eine zweite tägliche Version hat eine Auflösung von 4 Grad und 14 Millionen Parameter. Laut Ai2 bietet sie bei ihrer Zielauflösung eine vergleichbare Klimakompetenz, den fünffachen Durchsatz und ein Zehntel der Trainingskosten.
Eine dritte Konfiguration arbeitet mit einem sechsstündlichen Zeitschritt und einer Auflösung von 1 Grad und hat 46 Millionen Parameter. Ai2 beschreibt ihre Wettervorhersagegüte im Kurzfristbereich als konkurrenzfähig und ihre Ensemble-Streuung als kalibriert.
Jede Konfiguration wird mit Seed 0 veröffentlicht. Für die täglichen Modelle gibt es außerdem die Seeds 1 bis 3 in einem separaten Verzeichnis. Laut Ai2 ist die Klimakompetenz über diese Seeds hinweg konsistent. Das Repository enthält außerdem Checkpoints von Ablationsmodellen, mit denen sich Abbildungen aus dem Paper reproduzieren lassen, sowie eine Dokumentation zur Herkunft der Checkpoints.
Änderungen gegenüber ACE2
Laut Ai2 verringert der spektrale Engpass die Anzahl der Parameter von 456 Millionen bei ACE2-ERA5 auf 46 Millionen. Das Unternehmen berichtet, dass der tägliche Zeitschritt und der Engpass zusammen die Inferenz im Vergleich zum früheren Modell um den Faktor 3,2 beschleunigen.
Zur Niederschlagsstruktur heißt es in der Modellkarte, dass ACE2.5-ERA5 bei Wellenzahlen von 100–179 86 % der spektralen Leistung von ERA5 beibehält, verglichen mit 36 % bei ACE2-ERA5. Ai2 zufolge entspricht die Ensemble-Streuung des Modells ab Tag 3 bis auf 4 % dem Fehler.
Zu den berichteten Stärken zählen die atmosphärische Erwärmungsreaktion auf die kombinierten Antriebe durch Meeresoberflächentemperatur und Kohlendioxid im Zeitraum 1940–2020 sowie die Reaktion auf die Variabilität der Meeresoberflächentemperatur während El Niño. Die Modellkarte beschreibt außerdem die geografische Verteilung tropischer Wirbelstürme im sechsstündlichen Modell als realistisch und berichtet von einer präzisen Variabilität der Madden-Julian-Oszillation.
Grenzen und Daten
Die Wettervorhersagegüte des täglichen Modells im mittelfristigen Bereich ist geringer als die von ACE2-ERA5, während die sechsstündliche Version dem früheren Modell entspricht, so Ai2. Die einzelnen Sensitivitäten des Modells gegenüber Meeresoberflächentemperatur und Kohlendioxid sind nicht völlig realistisch, und seine interannuelle Variabilität der globalen mittleren Oberflächentemperatur ist nicht kalibriert.
Ai2 erwartet nicht, dass sich das Modell präzise auf große Störungen verallgemeinern lässt, etwa eine Verdopplung des Kohlendioxids. Die exakte Erhaltung der globalen Trockenluftmasse und der Feuchtigkeit zählt das Unternehmen zu den Stärken des Modells.
Die Trainingsdaten sind in einem Hugging-Face-Speicher-Bucket verfügbar. Sie umfassen auf 1 Grad und 4 Grad umgerechnete ERA5-Daten aus den Jahren 1940–2025 mit täglichen und sechsstündlichen Zeitschritten. Der Bucket enthält außerdem Normalisierungsstatistiken und klimatologische Antriebsdaten. Zu den Datensätzen gehören Temperatur-, Wasser- und Windfelder auf acht Druckniveaus sowie Oberflächen- und Diagnosefelder.
Um eine Inferenz auszuführen, weist die Modellkarte Nutzer an, einen Checkpoint herunterzuladen, die Abhängigkeiten von fme zu installieren und eine Konfiguration vorzubereiten, in der der Checkpoint, die Anfangsbedingung und die Antriebsdaten angegeben sind.
Quellen
- Originalquelle Ai2 · Seite 1 huggingface.co
Weitere gelesene Seiten
- Ai2 · Seite 2 huggingface.co
- Ai2 · Ace2.5 ERA5 reference data huggingface.co
- The Deploy Log deployedbyai.com
Verwandte Meldungen
- Von Menschen verfasster Riemann-Beweisentwurf stößt auf KI-gestützte Einwände
- LangChain beschreibt eine Wissensfabrik, die KI-Agenten auf dem aktuellen Stand hält
- LLMs erkennen Anfragen zu wissenschaftlichem Fehlverhalten, helfen aber oft, wie ein Preprint zeigt
- Mathematiker debattieren über die Qualität von Beweisen nach der KI-„Matheokalypse“
- NVIDIA veröffentlicht Sigma-Diffusionssprachmodelle in zwei Größen