学术成果｜高性能跨平台的神经网络使能大气资料同化系统

文章中构建了一个高效、低计算成本同时兼顾可扩展性、跨平台迁移的集 合资料同化系统DIDA。该系统中包含了：(1) 一个可跨平台迁移，支持子模块灵活部署，以及子模块间跨语言高性能通信的系统框架；(2) 一个基于UNet 网络，能够生成同时满足准确性与鲁棒性的模式集 合成员生成模型；(3) 一个配备了新的高性能特征值求解，且性能几乎线性强可扩展的改进LETKF 算法及实现。通过在新一代神威超级计算机和大规模通用集群上的实验表明，融合深度神经网络的集 合资料同化系统，可以支持数百个集 合成员的集 合同化，具备良好的强可扩展性，相比传统方案可取得数量级的计算性能提升或计算资源降低。

图1：DIDA系统架构    

图2：垂直分块的并行LETKF实现    

图3：机器学习模型的在线验证结果    

图4：DIDA 系统性能的强可扩展性