确定性天气基础模型能否改造成生成式集合预报模型？

Xaurora 把确定性先验变成随机集合模型

大多数大气基础模型是确定性的：给定相同的初始条件，它们返回相同的预报。这限制了它们在不确定性量化、极端天气风险评估和长期预报中的用途，而这些任务都需要大集合。从头训练一个新的随机基础模型还会带来巨大、往往难以承受的计算开销。

论文同时解决这两个问题。它取用一个预训练的确定性先验模型，即 Aurora 基础模型，把它改造成生成式集合预报模型，新模型名为 Xaurora。作者称这一改造在参数和样本上都很高效，并报告确定性基础模型可以被高效地扩展为更强的随机模型。

这一改造不是从零训练一个新模型。Xaurora 从较小的 Aurora 版本 Aurora-S 微调而来，该版本有 1.13 亿参数。论文报告 Xaurora 在全球集合指标上接近当前最优水平，并与较大的 Aurora 版本 Aurora-L（13 亿参数）相当。

去噪随机插值用 SDE 展开替代漂移匹配

生成方法是去噪随机插值（DSI）。随机插值学习两个端点分布之间的连续时间映射。与流匹配或 DDPM 不同，它不对初始分布作高斯假设。把端点设为两个相邻的大气状态，插值就变成一座随机桥，从而实现自回归预报。

插值沿伪时间 τ∈[0,1] 的路径连接状态 xt 与状态 xt+Δt，把两个端点与一个维纳过程项组合起来。训练时这条路径的漂移依赖目标状态 xt+Δt，因此推断时无法获得。神经网络 Bθ 近似该漂移，训练完成后，从 Xt0 = xt 积分 SDE 到终端状态 Xt1 即得到预报样本。按此自回归重复，就得到物理时间上的展开。

论文区分了插值 Itτ 与 SDE 状态 Xtτ：前者由真实端点构建，只能在训练时使用；后者由模型生成，并在推断时反馈给网络。展开训练算法从不使用插值，只基于生成的 SDE 状态训练。用于 SDE 展开的回放缓冲区使 SDE 轨迹的概率训练成为可能。

该设置只建模大气不确定性，分辨率为 0.25°、步长 6 小时

Xaurora 沿用 Aurora 的配置。它使用 0.25° 网格上的 69 个变量，纬度点 721 个、经度点 1440 个。时间步长为 6 小时，历史 ht 是最近两个状态 xt−Δt 与 xt。这里的概率预报指从 p(xt+Δt | ht) 采样并自回归应用，因此每个集合成员都以自己生成的状态为条件。

范围在一个方面被刻意收窄：论文严格聚焦于建模大气不确定性，并有意忽略其他不确定性来源，例如生成初始条件的数据同化过程。因此集合离散度反映的是该模型所表示的大气不确定性，而不是业务预报的全部不确定性。

训练数据来自 ERA5，经由 WeatherBench2 项目降采样到 6 小时分辨率，并缩减了变量和气压层集合。用于类业务评估的初始条件使用 HRES-T0，同样采用其 WeatherBench2 版本。

集合平均多数时效优于 Aurora 基线

全球中期预报技巧在 2022 年上评估。报告的指标是 RMSE（集合模型使用无偏 RMSE）、公平 CRPS（仅集合）和 SSR（仅集合）。各行对应不同变量：Q850 作为中尺度变率的代理，Z500 对应大尺度环流和天气尺度变率。

Xaurora 的集合平均无偏 RMSE 在多数预报时效上优于 Aurora-S 和 Aurora-L，并与业务模型相当。对比集合包括 GenCast-O、Aurora-O、Aurora-O、Aurora-L、Aurora-S、IFS ENS 和 Xaurora。

校准与误差分开报告。所有模型在 15 天时都校准良好，SSR 约为 1。Xaurora 的集合总体欠离散，SSR 低于 1。Z500 在约 3 天之前过离散，SSR 高于 1。这些是不同的诊断量：RMSE 衡量误差，公平 CRPS 衡量集合的概率技巧，SSR 衡量离散度与无偏误差之比。

微调使用 50 万样本、16 块 GPU 训练 42 小时

效率主张建立在具体的训练和推断数字上。Xaurora 在 50 万样本上训练 42 小时，使用 16 块 A100 80GB GPU。作为对比，Aurora-L 使用 380 万训练样本、在 32 块 GPU 上训练 2 周，Aurora-S 使用 380 万样本、训练时间未知。

推断成本按每个预报步报告。Xaurora 生成 6 小时预报需 13.1 秒，24 小时预报需 52.3 秒，使用 10 个积分步和 Heun 求解器，即每个 6 小时步 20 次函数评估。Aurora-L 生成 6 小时需 2.0 秒、24 小时需 8.2 秒，每步 1 次函数评估；Aurora-S 分别为 0.6 秒和 2.4 秒。

论文还报告了一个以 Aurora-L 初始化的未训练 Xaurora 模型，6 小时预报需 54.6 秒，24 小时需 218.2 秒。核心结果是 13 分钟生成有技巧的 15 天预报。相对 Aurora 的参数增量很小：Aurora-S 增加 721,920 个参数，增幅 0.64%；Aurora-L 增加 3,475,456 个，增幅 0.28%。其中大部分来自 Swin Transformer 中秩为 8 的 LoRA 层，而 Swin Transformer 本身完全冻结。

持续存在的噪声底使中尺度变量欠离散

论文自述的主要限制是持续存在的噪声底。分析显示，集合离散度的功率谱密度在某个波数之后变得平坦，对 Q850 和 U500 等中尺度变量尤其低。这条平坦的尾部就是噪声底。中尺度变量在所有波数上都欠离散，而天气尺度变量在较小尺度上过离散，这些尺度在积分 SSR 时占主导。

作者通过评估不同的 Xaurora 检查点来检验这是否是训练不足的产物。噪声底在整个训练过程中基本保持不变，Q850 略有上升。他们得出结论：噪声底是去噪器的内在属性，而不是学到或遗忘的特征，并指出它是否来自 Aurora 先验本身，当前分析无法确定。

从零训练的去噪器严重训练不足，但也产生噪声底，噪声水平略低。使用较大的 Aurora 版本作为先验得到非常相似的结果。论文指出噪声模型是预报谱特性的主要影响因素。

仅推断阶段的噪声干预只能校准部分变量

论文进行了四项仅推断阶段的实验，操纵 SDE 扩散项中使用的随机场，不重新训练，使用同一个 Xaurora 检查点，在 2022 年的 8 个初始条件上生成 10 成员集合，并在 12 小时预报时效上评估。

用标量 λ 缩放噪声方差显示，方差越高通常离散度越高、误差越低或不变。2T 和 Z500 等过离散变量在 λ = 0.5 时校准更好、误差更小，而 Q850 和 U500 等欠离散变量在 λ = 2 时表现更好。但单一 λ 无法修正所有变量，而且去噪器是在单位方差随机场上训练的，方差改变过大可能带来意外影响。

作者补充了更强的限定：方差缩放带来的离散度变化不太可能有实际意义，因为它只改变像素强度，而不是产生动力学上不同的成员，而后者才是集合预报应当提供的。通过采样具有幂律功率谱密度的随机场来改变噪声颜色，会对误差和离散度谱产生一致影响，但最优指数 ν 同样依赖变量。论文得出结论：仅推断阶段的干预只能部分校准预报。

实际收益是廉价集合，而非已解决的校准问题

论文的更广泛影响论证关乎可及性：微调 Xaurora 并生成预报的计算成本相对较低，使计算资源有限的机构（如学术界或国家气象部门）也能获得有技巧的概率天气预报。该方法还被描述为可扩展到更大的模型或输出空间，并有望迁移到天气预报之外的问题。

对于判断这是否会改变自身工作流程的读者，相关的划分依据是变量和尺度，而不是头条技巧。如果用例依赖大尺度环流和天气尺度变率，Xaurora 的集合平均无偏 RMSE 在多数预报时效上优于 Aurora-S 和 Aurora-L，并与业务模型相当，且 Z500 只在约 3 天之前过离散。如果用例依赖中尺度变率，持续存在的噪声底以及 Q850 和 U500 在所有波数上的欠离散就是硬约束，仅靠推断阶段的噪声调参无法完全消除。

论文自身的前瞻性优先方向也遵循同样的划分：构建更适合任务谱特性的随机场，或者把扩散项与去噪器一起学习。第二种选择意味着在优化模型参数的同时优化 SDE，这是一项不简单的任务，而论文的概率 SDE 展开训练算法被认为特别适合它。用于采样效率的蒸馏和物理约束建模被列为其他方向。

本文引用的文献