海量数据驱动下的高分辨率海洋数值模式关键算法研究

The ocean model is the key tool for ocean and climate research and prediction, which is a numerical model for the quantitative description of marine phenomena based on the physical laws. Now, the main stream of ocean model development focuses on higher resolution and more accurate parameterization of unresolved physical processes. With the higher resolution and the more physical process, accurate estimation of physical parameters, performance of large-scale parallel computing, and rapid post-processing and visualization have become the bottleneck of its development and application. The rapid development of high performance computing and neural network depth learning technologies provide an opportunities for the breakthrough of ocean models. Ocean surface waves and circulation are the most important physical phenomena in the ocean. Based on the ShenWei E-supercomputer and mass oceanic data, this project will focus on ocean surface wave model and ocean circulation model to increase the model simulating speed including large-scale parallel computing performance and I/O efficient, improve the model simulation by estimating the physical parameter more accurately through the deep learning method, and improve the model post-processing and mass data visualization ability. Through the research of this project, we expect to enhance Chinese ocean model development and application level, promote the integration among physical oceanography, high performance computing and artificial intelligence deep learning, and come into being the large-scale demonstration applications for the ShenWei E-supercomputer.

海洋数值模式是定量描述海洋物理现象及其变化的数值模型，也是海洋与气候研究、预测的核心工具。目前，海洋数值模式正朝着高分辨率和多物理过程的方向发展。随着分辨率的提高、物理过程的细化，模式不确定物理参数的合理估计、大规模并行计算的性能以及快速准确的后处理与可视化已成为其发展与应用的瓶颈。高性能计算机和深度学习等技术的快速发展，为海洋数值模式的突破提供了机遇与挑战。海浪和海洋环流是海洋中最重要的物理现象。本项目将针对海浪模式和海洋环流模式在发展中遇到的关键瓶颈问题，基于国产E级超算平台和海量海洋数据，开展大规模高效并行算法研究，提高模式计算速度；基于深度学习的新方法开展模式物理参数合理估计，提高模式模拟能力；突破海量数据下可视化关键算法，提高模式后处理和可视化应用水平，最终提升我国海洋模式发展和应用水平，促进海洋科学、高性能计算以及人工智能的深入交叉融合，形成基于国产神威E级系统的大型示范应用。

海洋数值模式是定量描述海洋物理现象及其变化的数值模型，也是海洋与气候研究、预测的核心工具，快速准确的模拟是其发展的核心目标。本项目针对高分辨率海洋数值模式大规模高效并行、数据驱动下的海洋数值模拟等难题，基于神威新一代超算，突破大规模高效并行的技术瓶颈，探索机器学习应用于数值模式的理论和方法，提高模式计算速度和模拟能力，促进海洋科学、高性能计算以及人工智能的深度融合，形成国产E级系统的大型示范应用。.按照研究计划，围绕海洋数值模式高效并行、机器学习与数值模拟融合、可视化技术集成等方面开展了相关研究工作，取得一系列研究成果：针对海洋数值模式高效并行中由于模式编程中未充分考虑高性能计算机特点造成的计算效率低、由于求解正压过程的PCG算法造成的可扩展性不好等问题，开展了基于代码现代化策略的代码优化，发展了CA-PCG正压算法，并针对国产神威E级系统的特点，设计并实现了四级并行、经度-纬度-深度三维剖分、从核计算优化、混合精度等方法，并行规模达到2700万核心，强扩展性近线性，为高分辨率模式的发展提供了理论方法与技术支撑；针对机器学习与海洋数值模拟如何开展交叉融合的问题，通过回顾海洋数值模式的发展现状，探讨、展望了当前海量数据驱动下海洋数值模式的发展趋势，提出了海洋数值模拟与机器学习深度融合的方法并开展探索性应用，为海洋数值模式发展以及其与高性能计算、机器学习的深度融合提供了理论方法支撑，并围绕基于机器学习的海洋现象识别、误差订正、参数优化、智能快速预报等方面开展了探索性研究；针对大规模海洋数值模拟和海洋水文环境数据可视化及人机交互出现的计算效率低、显示卡顿等问题，提出了可视化基础网格构网算法和海洋环境参数可视化并行方案等技术，有效提升使大规模、高精度、高分辨率的海洋海量计算与可视化效率。.项目执行期内发表学术论文24篇（其中SCI/EI 15篇），申请发明专利4项（获得授权3项），获得软件著作权3项。项目负责人宋振亚获得国家自然科学基金委优秀青年基金项目支持，入选自然资源部高层次科技创新人才工程科技领军人才，受邀担任学术期刊Ocean Modelling执行编辑、中国海洋学会人工智能海洋学专业委员会首届常务委员、中国计算机学会高性能专业委员会委员。项目主要成员刘鑫获得国防科技创新卓越青年项目支持；项目主要成员舒启入选泰山学者青年专家，获得山东省杰出青年科学基金项目支持。