强过「黄金标准」，快3,500倍，成本低10万倍，物理建模融合AI，谷歌天气模型登Nature
编辑 | KX
地球正以前所未有的方式变暖，但气温升高对我们的未来意味着什么尚不完全清楚。全球哪些地区将面临长期干旱？大型热带风暴将使哪些沿海地区的洪灾更加频繁？为了回答这些问题，科学家需要能够准确预测地球气候。
现在，Google Research 研究团队提出一种将传统的基于物理建模与 ML 相结合的新方法——NeuralGCM，可以准确高效地模拟地球大气层。比现有模型更快、计算成本更低、更准确。
NeuralGCM 可以生成 2-15 天的天气预报，比目前基于物理的「黄金标准」模型更准确。在 1 至 10 天预报方面与机器学习模型相媲美，在 1 至 15 天预报方面与欧洲中期天气预报中心的集合预报相媲美。
相关研究以「Neural general circulation models for weather and climate」为题，于 7 月 22 日发布在《Nature》上。
论文链接：https://www.nature.com/articles/s41586-024-07744-y
NeuralGCM 架构
NeuralGCM 将基于物理的大气循环模型与用于小规模过程的神经网络相结合。
NeuralGCM 的两个关键组成部分是：一个可微分的动力学 core，用于求解离散化的动力学控制方程；以及一个使用神经网络参数化物理过程的学习物理模块。
动力学 core 模拟在重力和科里奥利力（Coriolis Force）作用下大尺度流体运动和热力学过程。学习物理模块利用神经网络预测未解决过程对模拟场的影响，如云的形成、辐射传输、降水和亚网格尺度动力学。
NeuralGCM 转变气候建模
与传统模型一样，NeuralGCM 将地球大气层划分为立方体，并对空气和水分运动等大规模过程进行物理计算。但它不是依靠科学家制定的参数化来模拟云形成等小规模方面，而是使用神经网络从现有天气数据中学习这些…
视频链接：https://mp.weixin.qq.com/s/niZ_CpF1cI-2_dCzqdUanQ
NeuralGCM 预测了 2020 年全球热带气旋的路径。预测的风暴与 ECMWF 再分析 v5（ERA5）数据集中显示的当年实际气旋的数量和强度相匹配。（来源：Google Research）
开源、快速、高效的模型
NeuralGCM 比传统的 GCM 节省了几个数量级的计算量，计算成本也更低。
NeuralGCM 的 1.4° 模型比 X-SHiELD 快 3,500 倍以上，这意味着如果研究人员使用 X-SHiELD 模拟一年的大气，需要 20 天，而使用 NeuralGCM 只需 8 分钟。
虽然科学家只需要一台带有单个 TPU 的计算机即可运行 NeuralGCM，但他们需要请求访问具有 13,000 个 CPU 的超级计算机才能运行 X-SHiELD。
总体而言，使用 NeuralGCM 进行气候模拟的计算成本比使用 X-SHiELD 低 100,000 倍，速度的提高相当于高性能计算 25 年的进步。
视频链接：https://mp.weixin.qq.com/s/niZ_CpF1cI-2_dCzqdUanQ
NeuralGCM 可以比最先进的物理模型更快地模拟大气，同时以相当的精度生成预测。（来源：Google Research）
研究人员已将 NeuralGCM 的源代码和模型权重在 GitHub 上公开，供非商业使用。
开源地址：https://github.com/google-research/neuralgcm
此外，由于 NeuralGCM 可以在笔记本电脑上运行，而不需要超级计算机，研究人员希望更多的气候研究人员可以在他们的工作中使用这种最先进的模型。
未来方向
NeuralGCM 目前仅模拟地球大气层。研究人员希望最终将地球气候系统的其他方面（例如海洋和碳循环）纳入模型。这样，NeuralGCM 将在更长的时间尺度上进行预测，而不仅仅是预测几天和几周的天气，而是在气候时间尺度上进行预测。
NeuralGCM 提出了一种构建气候模型的新方法，这种方法可能比现有模型更快、计算成本更低、更准确。
基于物理定律和经验关系的模型在科学中无处不在。研究人员相信 NeuralGCM 的可微分混合建模方法有潜力将模拟技术转化为广泛的应用，例如材料发现、蛋白质折叠和多物理工程设计。
参考内容：
https://research.google/blog/fast-accurate-climate-modeling-with-neuralgcm/
https://x.com/GoogleAI/status/1815419503230287969
https://x.com/shoyer/status/1815453653710631271
感谢阅读！如果您对AI的更多资讯感兴趣，可以查看更多AI文章：GPTNB。
强过「黄金标准」，快3,500倍，成本低10万倍，物理建模融合AI，谷歌天气模型登Nature
