逆天了 人工智能可加速气候模拟运算

运用真实数据进行气候模拟需要巨大的计算能力。《美国国家科学院院刊》(PNAS)近日刊发的一项研究成果提出，利用人工智能的新算法，可以在不“牺牲”可靠性的情况下更快地建模。

全球和区域气候预测需要建立数学气候模型并进行测试。由于涉及大量的物理过程和相互作用，气候模拟需要极其强大的计算能力。即便是最好的模型也不可避免地存在局限性，因为真实存在的现象永远不可能足够详细地对其进行建模。

逆天了 人工智能可加速气候模拟运算

“天气波动”(W2W)是德国科学基金会资助的合作研究中心开展的一个项目，旨在确定不同情况下可预测性极限，并得出物理上可能的最佳预测，最终为新一代天气预报系统铺平道路。在W2W项目中，慕尼黑大学理论气象研究所史蒂芬·拉斯普与加州大学欧文分校教授麦克·普里查德、哥伦比亚大学教授皮埃尔·金坦合作，尝试应用人工智能来提高气候模拟的效能。

目前，大气环流模型通常可以模拟全球范围内空间分辨率为50公里左右的大气运动变化。即便使用当前最先进的超级计算机，大气层中发生的相关物理过程也太过复杂，无法在必要的细节水平上进行建模。以云的建模为例，云可以传输热量和水分，产生雨雪、冰雹等沉淀物，还能吸收和反射太阳辐射，对气候有着至关重要的影响。但是，许多云层延伸的距离仅有几百米，远远小于50公里乘以50公里的小网格，且它们总是处在动态的变化中。这两个特征使其很难被真实地建模，在气候模型中智能提供近似描述。因此，这意味着如今的气候模型至少缺少一个重要的因子。

对此，拉斯普与合作者采用了一种被称为神经网络的机器学习方法，能够自适应地调整用于捕获云层行为(变化)的算法。“训练”该算法的数据来自更高分辨率的模拟资料，其中包括云的热量传递。拉斯普说：“训练期结束后，我们发现该算法不仅能够重现使用更精细分辨率的云分辨模型获得的结果，而且完成效率更高。”

慕尼黑大学理论气象研究所主任乔治·克雷格认为，该方法或能更详细地描述复杂现象，因此有望提高气候模拟的质量。

声明： 本网站原创内容，如需转载，请注明出处；本网站转载内容（文章、图片、视频等资料）的版权归原网站所有。如我们转载或使用了您的文章或图片等资料的，未能及时和您沟通确认的，请第一时间通知我们，以便我们第一时间采取相应措施，避免给双方造成不必要的经济损失或其他侵权责任。如您未通知我们，我们有权利免于承担任何责任。 我们的联系邮箱：news@cecb2b.com。