科学计算大模型支持接入的数据集类型
盘古科学计算大模型仅支持接入气象类数据集，该数据集格式要求请参见气象类数据集格式要求。
训练科学计算大模型训练数据要求所需数据量
构建科学计算大模型进行训练的数据要求见表1。
表1 科学计算大模型训练数据要求 | 模型类别 | 数据要求 | 特征要求 | 水平分辨率要求 | 区域范围要求 | 时间要求 | 训练数据获取方式 | 推理数据获取方式 |
| 气象模型 | 天气数据 | 需包含4个表面层特征（10m u风、10m v风、2米温度、海平面气压），13高空层次（1000、925、850、700、600、500、400、300、250、200、150、100、50hPa）的5个高空层特征（重力位势、u风、v风、比湿、温度）。 | 25km*25km。 | 全球范围，纬度90N~-90S，经度0W~360E。 | 训练集和验证集均推荐使用>1个月的历史数据。 | 参考ERA5数据获取指导 | 参考EC0数据获取指导 |
构建科学计算大模型数据集流程
在ModelArts Studio大模型开发平台中，使用数据工程创建盘古科学计算大模型数据集流程见表2。
表2 盘古科学计算大模型数据集构建流程 | 流程 | 子流程 | 说明 | 操作指导 |
| 导入数据至盘古平台 | 创建导入任务 | 将存储在OBS服务中的数据导入至平台统一管理，用于后续加工或发布操作。 | 导入数据至盘古平台 |
| 加工气象类数据集 | 加工气象类数据集 | 通过专用的加工算子对数据进行预处理，确保数据符合模型训练的标准和业务需求。不同类型的数据集使用专门设计的算子，例如去除噪声、冗余信息等，提高数据质量。 | 加工气象类数据集 |
| 发布气象类数据集 | 发布气象类数据集 | 数据发布是将单个数据集发布为特定格式的“发布数据集”，用于后续模型训练等操作。 | 发布气象类数据集 |
