(資料圖片)

《自然》23日報道了一種人工智能（AI）模型。該模型名為“NeuralGCM”，結(jié)合了流體動力學(xué)與神經(jīng)網(wǎng)絡(luò)，能進行準(zhǔn)確的天氣預(yù)測和氣候模擬。模型超越了部分現(xiàn)有模型，與傳統(tǒng)模型相比，有望節(jié)省大量算力。

一般環(huán)流模型（GCMs）能表示大氣、海洋和陸地的物理過程，是天氣和氣候預(yù)測的基礎(chǔ)。而減少長期預(yù)報的不確定性以及估算極端天氣事件，則是氣候預(yù)測的關(guān)鍵。機器學(xué)習(xí)模型一直被認為是天氣預(yù)測的一種替代手段，它們在節(jié)省算力成本方面具有優(yōu)勢，但在長期預(yù)報方面的表現(xiàn)常常不如一般環(huán)流模型。

鑒于此，美國谷歌研究院團隊設(shè)計了“NeuralGCM”，這個模型結(jié)合了機器學(xué)習(xí)和物理方法，能進行中短期天氣預(yù)報以及幾十年的氣候模擬。該模型對1—15天預(yù)報的準(zhǔn)確率能媲美歐洲中期天氣預(yù)報中心（ECMWF，最好的傳統(tǒng)物理天氣模型之一）的預(yù)測結(jié)果。對于最多提前10天的預(yù)報，“NeuralGCM”的準(zhǔn)確率與現(xiàn)有機器學(xué)習(xí)技術(shù)不相上下，有時甚至更好。

“NeuralGCM”的氣候模擬準(zhǔn)確率與最好的機器學(xué)習(xí)和物理方法相當(dāng)。當(dāng)團隊在“NeuralGCM”的40年氣候預(yù)測中加入海平面溫度后，他們發(fā)現(xiàn)，模型給出的結(jié)果與從ECMWF數(shù)據(jù)中發(fā)現(xiàn)的全球變暖趨勢一致。新模型在預(yù)測龍卷風(fēng)及其軌跡方面也超過了已有的氣候模型。

團隊總結(jié)道，這些結(jié)果共同表明，機器學(xué)習(xí)是提升一般環(huán)流模型的一個可行手段。

關(guān)鍵詞：