方案探索

使用ECMWF Microphysics方案探索NWP域的高级编程模型

摘要。我们探索用于实现ECMWF的集成预测系统（IFS）的相关切线线性和相关算法的域特异性Python库GT4PY（用于Python的Gridtools）。gt4py以抽象和硬件的方式编码stenciL运算符，从而实现了更简洁，可读和可维护的Sciminifififififuction应用程序。图书馆通过将应用程序转换为有针对性的低级编码实现来实现高性能。在这里，主要目标是研究Python的控制性和性能可移植性与GT4PY相对于参考fortran代码的重写，以及由ECMWF创建的自动和手动移植变体。目前的工作是为与GT4PY python提供港口天气和气候模型的更大跨机构努力的一部分。当前工作的重点是IFS预后云微物理学方案，这是一种由综合代码表示的核心物理参数化，该代码占据了总预测模型执行时间的显着份额。为了验证数值天气预测（NWP）系统的GT4PY，我们将进一步强调了数据同化中使用的切线线性和伴随模型版本的实现和验证。我们将所有原型代码基于三个欧洲超级计算机上的所有原型代码，这些代码为特征，这些代码具有不同的图形处理单元（GPU）和中央处理单元（CPU）硬件，节点设计，软件堆栈和编译器套件。一旦将应用程序移植到gt4py到python，我们才会发现极好的