智算套件
核心能力
AI 天气预报
基于深度学习的多尺度天气预报，精度媲美传统数值模式
极端天气预警
台风路径预测、暴雨预警等极端事件预测
DEM 超分辨率
数字高程模型的 AI 超分辨率重建
气候预测
支持中长期气候变化趋势预测
快速开始
Terminal
# 安装
$ pip install mindearth
# 使用示例
from mindearth.cell import FourCastNet
# 全球中期天气预报
model = FourCastNet(image_size=(720, 1440),
patch_size=8, embed_dim=768)交互环境
交互环境即将上线
MindEarth 在线 Notebook 与交互 Demo 正在接入中，敬请期待
关联科学任务
查看全部 →海洋三维重建任务评测
基于深度学习的海洋三维重建任务评测，评估从多源二维海洋观测数据重建三维海洋温盐结构的算法性能，助力气象预报与海洋科学研究。
DgmrNet：基于深度生成模型的雷达数据气象短临预报
DgmrNet利用深度生成模型对雷达降水数据进行短临预报，能够对广阔区域进行高精度的天气预测，支持灾害预警和气象服务的优化。
NowcastNet
使用深度学习对极端降水事件进行短期预测，提高天气预报的准确性和实时性。
CTEFNet: 基于 CNN 与迁移学习的厄尔尼诺预测模型
CTEFNet结合卷积神经网络和迁移学习，通过时间序列分析提升厄尔尼诺现象的预测时长，为气候变化研究提供高精度的预测工具。。
基于傅里叶神经网络的极端风向风速事件预报研究
基于傅里叶神经网络融合多源气象数据，构建极端风向风速事件精准预报模型，实现高时空分辨率的气象灾害预测分析，显著提升极端天气事件的预警能力与预测精度。
FourCastNet
基于深度学习的天气预报模型，通过自适应傅里叶神经算子高效预测气象变量，如风速和降水。