GPU 开启了为无人机和空中出租车预测城市天气的潜力

无人机送货
信用:Unsplash/CC0 公共领域

在城市中,包裹递送、出租车甚至外卖的未来可能悬而未决——在拥堵的街道之上。但在送披萨的无人机安全降落在您家门口之前,这些城市飞机的运营商将需要极高分辨率的预报,以预测天气和建筑物如何相互作用以产生湍流以及由此对无人机和其他小型飞行器产生的影响。

虽然科学家已经能够运行模拟来捕捉城市景观中建筑物周围令人眼花缭乱的复杂空气流动,但这个过程在超级计算系统上可能需要数天甚至数周时间——时间太慢(而且任务计算成本太高)对日常天气预报员有用。

现在,美国国家大气研究中心 (NCAR) 的科学家们已经证明,一种完全建立在图形处理单元 (GPU ) 上的新型模型有可能对城市地区的大气流量进行有用的街道级预测使用更少的计算资源和时间线,使无人机和其他城市飞机的实时天气预报可信。

在最近发表在AGU Advances杂志上的一项研究中,NCAR 团队描述了使用名为 FastEddy 的微尺度模型来模拟达拉斯市中心的大气条件。

NCAR 科学家、该研究的主要作者、主要模型开发人员之一多明戈·穆尼奥斯-埃斯帕扎 (Domingo Muñoz-Esparza) 表示:“近年来,GPU 已经真正成熟,它们在加速建模方面具有很大潜力。” “为了最大限度地利用 GPU,我们从头开始构建 FastEddy。”

这项研究由美国国家科学基金会(NCAR 的赞助商)、国防威胁减少局、Uber Elevate 和 NASA 资助。用于研究的模拟是在 NCAR-怀俄明州超级计算中心的 Casper 系统上运行的。

传统的天气预报通常以大约 10 到 15 公里(6 到 9 英里)的分辨率运行,这意味着任何比这更小的东西——建筑物、街道和任何其他复杂的城市景观——都不会被直接捕获。即使是高分辨率天气模型,网格点之间的间距也为 3-4 公里(1.8-2.5 英里),这可以将整个城镇减少到几个像素。

另一方面,FastEddy 模型可以在只有 5 米(16 英尺)的分辨率下有效运行,足够精确地模拟在建筑物尾流和街道峡谷中出现的漩涡和其他湍流特征。其他模型,包括 NCAR 的天气研究和预测大涡模拟 (WRF-LES) 建模系统,也可以生成类似的高分辨率模拟,但它们使用的计算资源要多得多。这些传统的模拟非常详细,对于基础研究仍然很重要,但它们对于日常预测并不实用。

WRF-LES 和其他类似模型依赖于更传统的计算机芯片,称为中央处理器。CPU 擅长执行多项任务,包括控制、逻辑和设备管理操作,但它们执行快速算术计算的能力有限。GPU 则相反。最初设计用于渲染 3D 视频游戏,GPU 能够完成的任务比 CPU 少,但它们专门设计用于非常快速地执行数学计算。

为了从 GPU 提供的更高速度中受益,NCAR 和其他建模机构正在努力改进现有建模代码(包括 NCAR 的跨尺度预测模型,一种全球天气模型),以部分使用 GPU。结果可能比原始版本更高效、更快,但由于 CPU 在这些混合方法中产生的瓶颈,总是会导致效率低下。为了充分利用 GPU 加速的承诺,必须编写模型的代码,以便所有模型的计算都由 GPU 执行。

FastEddy 是从头开始编写的,主要由 NCAR 科学家 Jeremy Sauer 和 Domingo Muñoz-Esparza 编写,就是为了做到这一点。结果是一个模型的预测速率在类似的功耗下比等效的 CPU 模型快 6 倍(或在相同的预测速率下功耗低 8 倍)。

“如果你想实时进行微尺度预测,你需要像 GPU 一样快,”穆尼奥斯-埃斯帕扎说。

风的变化:移动的建筑物尾迹

在这项新研究中,科学家们使用 FastEddy 模拟了 2018 年达拉斯市中心的城市天气,以应对 50 多个选定的天气场景。结果证实了在“城市冠层”中进行空中作业时仅依赖分辨率明显较低的天气预报的潜在危险.”

例如,科学家们发现,在下午,当地表被太阳加热的空气上升、冷却并再次下降,形成垂直环流时,城市树冠中的风在距离地面 26 米(或 85 英尺)处往往与同一高度的大尺度背景风向一致。但在夜间和清晨,当大气较为稳定时,穿过城市树冠的风实际上与大尺度背景风的方向有所抵消。事实上,建筑物后面的尾流可以从即将到来的天气方向顺时针移动 45 度。

从广义上讲,建模工作还显示了城市树冠中的天气如何随着季节的变化而变化,而且在同一个月内,甚至在同一 24 小时内,个别日子可能会出现显着变化,强调了重要性实时预测,而不是依赖平均值。

这样的预测可以帮助飞机运营商确定他们是否可以安全地实现目标,以及需要多少电池电量。Muñoz-Esparza 表示,城市天篷中的湍流可能导致电池耗尽的速度比其他情况快三倍,这可能会使飞机滞留在城市中。

除了模拟城市冠层中的湍流和风向之外,FastEddy 团队还在研究该模型的其他可能应用,包括一个新项目,用于模拟空中出租车产生的声音如何在城市中传播。

他们还致力于在模型中添加更多细节和更多物理特性。对于达拉斯实验,模型运行是使用分辨率为 3 公里(1.8 英里)的传统天气模型的输出开始的,包括风速和风向,以及温度。FastEddy 然后采用这些大尺度变量并将它们缩小以模拟微尺度大气流动。

现在,FastEddy 团队正在努力通过添加潮湿动力学和云来扩展模型的功能,这将使这些微尺度天气预报更加真实。此外,FastEddy 的非凡效率使得在同一时期多次运行模型成为可能,这种技术被称为集合预测。这使科学家能够更好地了解预测的确定性(或不确定性),并通常为飞机运营商提供更强大和可靠的指导。

“我们希望有可能向下一个完整的公路气象预报,但在微米尺度的东西完整,”穆尼奥斯-埃斯帕扎说。“参与这种 GPU 模型是一个非常激动人心的时刻。潜力巨大。”

本文为作者 胡慧 独立观点,并不代表 我是CIO 立场。

发表评论

登录后才能评论