Ai2 发布 HiRO-ACEv2：以约 X-SHiELD 三百分之一成本生成全球 3 公里气候数据

Hugging Face 社区博客·2026-10-15 00:12· 57 分钟前AI 评分54

HiRO-ACEv2：以极低成本模拟 3 公里分辨率的极端天气

AI 导读

Ai2 发布 HiRO-ACEv2，新降尺度模型 HiROv2 可同时预测多种高分辨率要素，对百万分之一概率的极端风雨压事件，高分辨率统计误差在 3% 以内。系统生成全球 3 公里气候数据成本约为 X-SHiELD 的 1/300，10 年模拟中飓风能量与 X-SHiELD 相当，但目前只能用于与 X-SHiELD 对齐的气候，尚不支持更暖未来或 ERA5 等历史数据。

正文

🤗 Models | 📄 Paper | 📓 Tutorial notebooks | 🌎 Demo

我们推出 HiRO-ACEv2，这是我们的高分辨率输出 Ai2 气候模拟器（HiRO-ACE）系统的最新更新。HiROv2 能以高精度重现极其罕见的降雨、风和气压事件，而整个系统生成全球 3 公里气候数据的成本约为 X-SHiELD 的 1/300，X-SHiELD 是一个高分辨率全球大气模型，能显式模拟风暴及其他小尺度天气。

HiRO-ACE 于 2026 年早些时候推出，包含两部分：ACE，一个以较粗的 100 公里分辨率运行的 AI 模型；以及 HiRO，一个将这些粗分辨率输出锐化为精细 3 公里细节的模型。HiRO-ACEv2 最大的变化是新的降尺度模型 HiROv2，它现在可以 1）同时预测多个高分辨率要素，而不仅仅是降雨，因此能捕捉更广泛的极端天气；2）在预测极端事件方面能力有所提升。

HiRO-ACEv2 的主要关注点是很好地模拟极端事件。我们对 HiROv2 训练方式的改动提升了它重现最强降雨、风和气压值的能力。当输入粗化的 X-SHiELD 数据时，它与目标模拟的高分辨率统计误差在 3% 以内，即使对于百万个数据点中才出现一次的罕见事件也是如此。它还能准确估算热带气旋的总能量，包括训练中从未见过的风暴，并生成具有真实风眼和雨带结构的飓风，尽管风眼周围的风和气压仍比 X-SHiELD 中略显不对称。此外，HiROv2 还能真实地生成沿山坡下泄的强风。

我们还为该系统的 ACE 训练了一个更新版本。在 10 年模拟中，其飓风、平均气候模式以及降雨、风和气压的总体分布都与 X-SHiELD 高度吻合。这表明 ACE 的粗分辨率模拟是生成长期高分辨率气候数据的坚实基础。

将 HiROv2 和 ACE 结合，我们生成了整整一年的全球 3 公里数据。其统计特征与 X-SHiELD 密切吻合，尽管 HiRO 是基于 ACE 自行运行的模拟而非真实的 X-SHiELD 数据工作的。在 10 年运行中，HiRO-ACEv2 的飓风能量与同期 X-SHiELD 相当，该运行中的快照还显示出多种其他极端事件，与 X-SHiELD 中的类似。

北大西洋一个强飓风的示例，生成于 10 年 HiRO-ACEv2 模拟期间。

总体而言，HiRO-ACEv2 为研究人员提供了一种灵活且低成本的方式，可以生成 10 年或更长时间内极端事件的高分辨率降雨、风速和气压数据的多个版本。用它生成全球高分辨率数据的成本大约比运行 X-SHiELD 低 300 倍。如果只需要一个区域，根据区域大小，节省的成本可能超过一百倍。我们还在开发一个精简版的 HiROv2，可以使其速度再提高十倍以上。

我们未来还有工作要做：由于 HiRO 是从 X-SHiELD 学习而来，它只能与为匹配 X-SHiELD 而调优的 ACE 版本配合使用。这意味着它目前还无法为其他气候生成高分辨率数据，例如更暖的未来或 ERA5 等数据集中的历史记录。接下来，我们计划在新的 X-SHiELD 数据集上进行训练，包括一个模拟全球升温 4°C 的数据集，以便系统能够处理不同的气候。我们还计划增加近地表温度和冰雪等输出，这将带来更多用途，例如积雪预测。

可视化并使用 HiRO 输出

ACE 数据可视化器中下加利福尼亚半岛上空的模拟 10 米风速：主地图上为 100 公里分辨率的 ACE2，插图中为 3 公里分辨率的 HiRO-ACEv2。

ACE 数据可视化器中东北太平洋上空的模拟风暴。主地图显示 100 公里分辨率的 10 米风速；3 公里分辨率的 HiRO-ACEv2 插图显示了风暴内部更精细的结构。

为了便于在不运行任何推理的情况下查看 HiRO 生成的内容，我们构建了一个网页演示，将 HiROv1 和 HiROv2 预生成的降水、风速和海平面气压输出与它们训练所基于的模拟 X-SHiELD 并排展示。该演示补充了我们技术报告中的定量比较：它提供了对输出外观的快速视觉检查，并让用户放大自己感兴趣的区域来评判那里的表现。

如需更深入的分析，这些模型可供下载，我们的教程 notebook 介绍了如何运行它们。

来源：Hugging Face 社区博客 · huggingface.co