人類(lèi)剛剛經(jīng)歷有記錄以來(lái)最熱的一天。

據(jù)歐盟氣候監(jiān)測(cè)機(jī)構(gòu)哥白尼氣候變化服務(wù)局當(dāng)?shù)貢r(shí)間7月23日發(fā)布的報(bào)告，全球21日地表平均氣溫達(dá)17.09攝氏度，創(chuàng)有記錄以來(lái)新高。全球變暖趨勢(shì)使得熱浪、干旱等極端天氣和氣候?yàn)?zāi)害頻發(fā)，對(duì)人類(lèi)社會(huì)和生態(tài)系統(tǒng)造成的災(zāi)難性影響。及時(shí)、準(zhǔn)確的天氣預(yù)測(cè)和氣候模擬顯得尤為重要。

近期，Google Research研究團(tuán)隊(duì)及其合作者研發(fā)出可預(yù)測(cè)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(gè)基于機(jī)器學(xué)習(xí)的大氣環(huán)流模型，與現(xiàn)有工具相比，預(yù)測(cè)速度更快，能耗更低，且可以比傳統(tǒng)模型節(jié)省數(shù)量級(jí)的計(jì)算量。相關(guān)成果于7月22日在權(quán)威科學(xué)期刊《自然》發(fā)表，并登上《自然》官網(wǎng)的首頁(yè)。

NeuralGCM模型將傳統(tǒng)基于物理的大氣動(dòng)力學(xué)可微分求解器的各個(gè)方面與AI組件相結(jié)合，能進(jìn)行中短期天氣預(yù)報(bào)以及未來(lái)幾十年的氣候模擬。

大氣環(huán)流模型（GCM，General Circulation Models）是基于物理的模擬器，將大尺度動(dòng)力學(xué)的數(shù)值求解器與云形成等小尺度過(guò)程的調(diào)整表現(xiàn)相結(jié)合，是天氣和氣候預(yù)測(cè)的基礎(chǔ)。

在NeuralGCM之前，基于再分析數(shù)據(jù)訓(xùn)練的機(jī)器學(xué)習(xí)模型在確定性天氣預(yù)報(bào)方面已經(jīng)取得了與傳統(tǒng)大氣環(huán)流模型相當(dāng)或更好的技能，然而，這些模型未對(duì)天氣、氣候的集合預(yù)報(bào)方法進(jìn)行改進(jìn)，也未展現(xiàn)出進(jìn)行長(zhǎng)期天氣和氣候模擬的足夠穩(wěn)定性。

NeuralGCM的兩個(gè)關(guān)鍵組件是用于求解離散化控制動(dòng)力學(xué)方程的可微分動(dòng)力學(xué)核心，以及使用神經(jīng)網(wǎng)絡(luò)參數(shù)化物理過(guò)程的學(xué)習(xí)物理模塊。動(dòng)力學(xué)核心用來(lái)模擬大規(guī)模流體運(yùn)動(dòng)和熱力學(xué)影響下的重力和科里奧利力；學(xué)習(xí)的物理模塊使用神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)未解決的過(guò)程，如云的形成、輻射傳輸、降水和次網(wǎng)格尺度的動(dòng)力學(xué)對(duì)模擬場(chǎng)的影響。

NeuralGCM 模型結(jié)構(gòu)。NeuralGCM 結(jié)合了傳統(tǒng)的流體動(dòng)力學(xué)求解器和用于小尺度物理的神經(jīng)網(wǎng)絡(luò)。這些組件由微分方程求解器組合而成，在時(shí)間上依次向前推進(jìn)系統(tǒng)。圖片來(lái)自谷歌研究

NeuralGCM的氣候模擬準(zhǔn)確率與最好的機(jī)器學(xué)習(xí)和物理方法相當(dāng)。該模型對(duì)1-15天預(yù)報(bào)的準(zhǔn)確率能媲美歐洲中期天氣預(yù)報(bào)中心（ECMWF，最好的傳統(tǒng)物理天氣模型之一）的預(yù)測(cè)結(jié)果。對(duì)于最多提前10天的預(yù)報(bào)，NeuralGCM的準(zhǔn)確率與現(xiàn)有機(jī)器學(xué)習(xí)技術(shù)不相上下，有時(shí)甚至更好。

NeuralGCM同時(shí)具有準(zhǔn)確的氣候預(yù)測(cè)能力。當(dāng)在NeuralGCM的40年氣候預(yù)測(cè)中加入海平面溫度后，研究者發(fā)現(xiàn)模型給出的結(jié)果與從歐洲中期天氣預(yù)報(bào)中心數(shù)據(jù)中發(fā)現(xiàn)的全球變暖趨勢(shì)一致。此外，NeuralGCM在預(yù)測(cè)龍卷風(fēng)及其軌跡方面也超過(guò)了已有的氣候模型。

NeuralGCM 在十年時(shí)間尺度上的準(zhǔn)確性和捕捉全球變暖的能力。NeuralGCM 和 AMIP 在預(yù)測(cè) 1980 年至 2020 年全球平均氣溫方面的表現(xiàn)比較。圖片來(lái)自谷歌研究

此外，與傳統(tǒng)大氣環(huán)流模型相比，NeuralGCM在同等預(yù)測(cè)精確度的情況下，計(jì)算速度遙遙領(lǐng)先。NeuralGCM可以在 30 秒計(jì)算時(shí)間內(nèi)生成 22.8 天大氣模擬，比傳統(tǒng)模型節(jié)省3到5個(gè)數(shù)量級(jí)的計(jì)算資源。隨著數(shù)值方法和機(jī)器學(xué)習(xí)架構(gòu)的迭代，NeuralGCM預(yù)測(cè)天氣、氣候的準(zhǔn)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(duì)于幫助人類(lèi)更好地理解和預(yù)測(cè)全球氣候變化具有重要作用。“NeuralGCM是我們了解和適應(yīng)氣候變化的一個(gè)途徑。我們希望將這一成就與全世界的人們分享，來(lái)共同應(yīng)對(duì)氣候變化。”論文作者之一、谷歌研究院高級(jí)工程師Stephan Hoyer博士在接受谷歌研究采訪(fǎng)時(shí)表示。他補(bǔ)充說(shuō)，該團(tuán)隊(duì)希望將地球科學(xué)的更多方面納入未來(lái)的版本中，以進(jìn)一步提高模型的準(zhǔn)確性。