【免责声明】 本文是基于外部来源的信息重新整理的。请在参考本文内容前核实原始来源。
新闻摘要
以下内容已在网上发布。下面提供了翻译后的摘要。详细信息请参见原文。
传统的气候模拟器面临着一个重大挑战:由于计算能力的限制,它们无法捕捉像个别雷暴或热带云团这样的小尺度天气现象。当科学家需要追踪这些细节过程时,他们使用称为云分辨率模型(CRMs)的超高分辨率模拟,可以观察个别云朵的形成和演化。然而,这些详细的模拟计算量巨大,即使使用当前的技术,也几乎无法为长达十年的全球气候预报运行。科学家们正在探索一种革命性的方法:利用机器学习从这些昂贵的详细模拟中学习,创建可以运行速度提高数十至数百倍的AI模型,同时保持准确性。这一突破可能会改变气候科学,因为它使得在长期气候预测中包含关键的小尺度天气过程成为可能,从而帮助我们更好地理解和应对气候变化的影响。
来源: NVIDIA开发者博客
本站解析
背景和环境
天气预报是科学中最复杂的挑战之一。传统的气候模型就像是巨型计算器，将地球划分为一个个网格,并计算每个网格内发生的情况。但问题在于:要观察个别云朵,你需要每个网格只有几公里宽。对于整个地球来说,这意味着每隔几分钟就需要进行数十亿次计算!
这就像试图通过从头计算每个像素的颜色来观看电影——在技术上是可行的,但需要耗费大量时间。这就是为什么大多数气候模型使用更大的网格(150公里以上),这意味着它们会错过像雷暴形成或云朵相互作用这样的重要细节。
专家分析
这里的突破在于将AI用作物理过程的”压缩算法”。它的工作原理如下:
第一步:创建超详细的模拟
科学家们运行云分辨率模型(CRMs),分辨率极高(2公里网格)。这些模型可以观察到个别云朵的形成、生长和消散。这就像在天空中拥有数千个气象站,每隔几分钟就报告一次。
第二步:用AI学习模式
机器学习模型研究这些详细的模拟,并学习大尺度天气模式与小尺度云行为之间的关系。AI实质上是在学习云的行为”规则”,而无需计算每一个水滴。
第三步:快速预测
一旦训练完成,AI就可以比传统方法快10-100倍地预测云的行为。这就像学会识别朋友的脸,而不是每次见到他们时都要分析每一个面部特征。
补充数据和事实
这一挑战的规模令人难以置信:
• 传统模型使用150公里以上的网格
• 云分辨率模型需要2公里的网格
• 这意味着每个方向上的细节增加了75倍
• 也就是说,对于3D大气,计算量增加了421,875倍(75³)
• 在这种分辨率下运行10年的预报需要在超级计算机上运行数月
为什么这对气候预测很重要:
• 云层反射阳光(降温效应)
• 云层阻挡热量(升温效应)
• 云预测的小错误 = 温度预报的大错误
• 更好的云模型 = 更好的气候变化预测
相关新闻
这一发展是AI革命科学计算的一部分。就像AI学会预测蛋白质结构(AlphaFold)和生成图像(DALL-E)一样,它现在也在学习预测天气模式。这一时机至关重要,因为极端天气事件变得更加普遍,气候预测对于规划变得更加重要。
谷歌(使用GraphCast)和华为(使用Pangu-Weather)等科技巨头也在开发AI天气模型。这种竞争推动了快速进步,一些AI模型已经在某些类型的预测中超越了传统预报。这场”AI天气预报竞赛”可能会通过更准确的预报使每个人受益。
总结
AI正在通过学习从详细模拟中预测复杂的天气模式,革新气候科学,使在全球气候模型中包含关键的小尺度过程成为可能。这一突破可能会大大提高我们预测和应对气候变化影响的能力。
对于对气候科学、计算机科学或两者都感兴趣的学生来说,这代表着一个令人兴奋的前沿领域。你不必在拯救地球和使用尖端技术之间做出选择——像AI驱动的气候建模这样的领域让你可以兼顾这两者。无论你是对环境科学、编程还是数学充满热情,在这场正在实现不可能的革命中都有你的一席之地。
公众反应
气候科学家谨慎乐观,他们指出,尽管AI加快了计算,但仍需要通过实际观测进行验证。环保主义者认为这是一种更好地传达和规划气候变化的工具。技术爱好者对AI在科学中的扩展作用感到兴奋。一些怀疑者担心”黑箱”AI会取代已知的物理学,但研究人员强调AI是对传统模型的补充,而不是替代。
常见问题解答
问:这是否意味着天气预报将会完美无缺?
答:不,天气本质上是混沌的。但AI可以帮助我们更好地理解模式,并改善长期气候预测,这与日常天气预报不同。
问:这与我的天气应用程序有什么不同?
答:天气应用程序预测几天后的天气;这项技术有助于通过更好地理解云如何影响全球温度,预测数年或数十年后的气候模式。
问:我自己能尝试这项技术吗?
答:许多气候AI模型正在成为开源。只要有一些编程知识和一台不错的电脑,学生就可以尝试使用这些模型的简化版本。
