近日，Google Research和DeepMind聯合MIT、哈佛及ECMWF的科學家發布了一項名為NeuralGCM的革命性大氣模型研究成果。該模型被Nature期刊刊登，其高效準確的性能為氣候變化預測提供了強有力的新工具。
谷歌團隊已在GitHub上公開了NeuralGCM的源代碼和模型權重，供非商業用途。這使得其他研究人員可以輕松添加新組件來測試假設并改進模型功能。NeuralGCM在筆記本電腦上也能運行，而不需要超級計算機的支持，這為更多的氣候研究人員提供了使用這一最先進模型的機會。
什么是NeuralGCM？
NeuralGCM是一種結合了基于物理的建模和機器學習技術的大氣模型。與傳統的基于物理的大氣環流模型（GCM）相比，NeuralGCM在模擬效率上提高了10萬倍，并且在準確性上也有顯著提升。傳統GCM在進行長期氣候模擬時，穩定性不足，且依賴于簡化的近似值（參數化）來模擬小尺度天氣變化，這些簡化的近似值常導致誤差。在2至15天的預測中，NeuralGCM的集合預測有95%的時間比ECMWF-ENS更準確。
NeuralGCM打造最先進的大氣模型
NeuralGCM通過神經網絡從歷史天氣數據中學習小尺度天氣事件的物理原理，而非依賴簡化模型來生成近似值。此外，NeuralGCM使用JAX重新編寫了大規模過程的數值求解器，使研究人員能夠在線調整耦合系統在多個時間步長上的行為。這種方法解決了之前機器學習增強氣候模型在數值穩定性方面的困難，并且能在TPU和GPU上高效運行，而傳統模型主要依賴CPU。
谷歌團隊使用1979年至2019年間的ECMWF天氣數據，在不同分辨率下訓練了一系列NeuralGCM模型。結果表明，在2-15天的天氣預報中，NeuralGCM的準確性優于當前最先進的物理模型，且在再現過去40年的氣溫方面表現更優。NeuralGCM的1.4°分辨率模型在5至15天的預測準確性上超越了ECMWF的ENS模型，且在氣候時間尺度上的預測表現也顯著優于最先進的大氣模型。
NeuralGCM的1.4°分辨率模型在計算速度上比X-SHiELD快3500多倍，使得模擬一年的大氣只需8分鐘，而X-SHiELD則需20天。總體而言，NeuralGCM的計算成本比X-SHiELD低10萬倍，相當于高性能計算領域25年的進步速度。
NeuralGCM的發布標志著氣候建模領域的重要進步。其高效、準確的特點有望幫助科學家更好地預測氣候變化，回答全球變暖帶來的關鍵問題，例如哪些地區將面臨長期干旱、哪些地方將因熱帶風暴導致沿海洪水更頻繁、以及隨著氣溫上升，野火季節將如何變化。NeuralGCM為全球氣候研究和政策制定提供了強有力的技術支持。
原創文章，作者：蘋果派，如若轉載，請注明出處：http://www.bdzhitong.com/article/669095.html
