人類剛剛經歷有記錄以來最熱的一天。

據歐盟氣候監測機構哥白尼氣候變化服務局當地時間7月23日發布的報告，全球21日地表平均氣溫達17.09攝氏度，創有記錄以來新高。全球變暖趨勢使得熱浪、干旱等極端天氣和氣候災害頻發，對人類社會和生態系統造成的災難性影響。及時、準確的天氣預測和氣候模擬顯得尤為重要。

近期，Google Research研究團隊及其合作者研發出可預測天氣和氣候變化的人工智能（AI）模型NeuralGCM。該模型是世界上第一個基于機器學習的大氣環流模型，與現有工具相比，預測速度更快，能耗更低，且可以比傳統模型節省數量級的計算量。相關成果于7月22日在權威科學期刊《自然》發表，并登上《自然》官網的首頁。

NeuralGCM模型將傳統基于物理的大氣動力學可微分求解器的各個方面與AI組件相結合，能進行中短期天氣預報以及未來幾十年的氣候模擬。

大氣環流模型（GCM，General Circulation Models）是基于物理的模擬器，將大尺度動力學的數值求解器與云形成等小尺度過程的調整表現相結合，是天氣和氣候預測的基礎。

在NeuralGCM之前，基于再分析數據訓練的機器學習模型在確定性天氣預報方面已經取得了與傳統大氣環流模型相當或更好的技能，然而，這些模型未對天氣、氣候的集合預報方法進行改進，也未展現出進行長期天氣和氣候模擬的足夠穩定性。

NeuralGCM的兩個關鍵組件是用于求解離散化控制動力學方程的可微分動力學核心，以及使用神經網絡參數化物理過程的學習物理模塊。動力學核心用來模擬大規模流體運動和熱力學影響下的重力和科里奧利力；學習的物理模塊使用神經網絡預測未解決的過程，如云的形成、輻射傳輸、降水和次網格尺度的動力學對模擬場的影響。

NeuralGCM 模型結構。NeuralGCM 結合了傳統的流體動力學求解器和用于小尺度物理的神經網絡。這些組件由微分方程求解器組合而成，在時間上依次向前推進系統。圖片來自谷歌研究

NeuralGCM的氣候模擬準確率與最好的機器學習和物理方法相當。該模型對1-15天預報的準確率能媲美歐洲中期天氣預報中心（ECMWF，最好的傳統物理天氣模型之一）的預測結果。對于最多提前10天的預報，NeuralGCM的準確率與現有機器學習技術不相上下，有時甚至更好。

NeuralGCM同時具有準確的氣候預測能力。當在NeuralGCM的40年氣候預測中加入海平面溫度后，研究者發現模型給出的結果與從歐洲中期天氣預報中心數據中發現的全球變暖趨勢一致。此外，NeuralGCM在預測龍卷風及其軌跡方面也超過了已有的氣候模型。

NeuralGCM 在十年時間尺度上的準確性和捕捉全球變暖的能力。NeuralGCM 和 AMIP 在預測 1980 年至 2020 年全球平均氣溫方面的表現比較。圖片來自谷歌研究

此外，與傳統大氣環流模型相比，NeuralGCM在同等預測精確度的情況下，計算速度遙遙領先。NeuralGCM可以在 30 秒計算時間內生成 22.8 天大氣模擬，比傳統模型節省3到5個數量級的計算資源。隨著數值方法和機器學習架構的迭代，NeuralGCM預測天氣、氣候的準確性還存在很大的提升空間。

在全球氣候變暖的背景下，NeuralGCM對于幫助人類更好地理解和預測全球氣候變化具有重要作用。“NeuralGCM是我們了解和適應氣候變化的一個途徑。我們希望將這一成就與全世界的人們分享，來共同應對氣候變化。”論文作者之一、谷歌研究院高級工程師Stephan Hoyer博士在接受谷歌研究采訪時表示。他補充說，該團隊希望將地球科學的更多方面納入未來的版本中，以進一步提高模型的準確性。