最近,谷歌在天气预报领域取得了一项惊人的突破。他们开发了一种名为 NeuralGCM 的新型大气环流模型,这个模型的计算效率比传统的物理模型高出整整10万倍,相当于过去25年的高性能计算进步速度。
通过结合机器学习和物理建模,NeuralGCM 在模拟地球大气方面表现得既快速又精准。这项研究的成果也发表在了国际顶级期刊《Nature》上,备受瞩目。
谷歌 CEO 在社交媒体上宣布了这一成果,并指出 NeuralGCM 将为科学家提供一个全新的气候变化预测工具。这在全球气温急剧上升的当下,帮助研究者了解气候变化对不同地区的影响,像是哪些地区可能遭遇长期干旱,或是沿海地区面临的洪水风险。
传统的天气预报模型通常依赖于物理定律,将地球分成边长50到100公里的立方体,计算这些区域内的天气变化。然而,这种方法因为尺寸过大,很多重要的气候过程被忽略了。与之不同的是,NeuralGCM 利用神经网络,从已有的数据中学习小尺度天气事件的物理原理,大幅提升了模拟的准确性。
NeuralGCM 通过对1979年至2019年的天气数据进行训练,展现出在2到15天内的天气预报准确性超越现有最先进的物理模型。在气候预测方面,NeuralGCM 的表现也相当亮眼,尤其是在温度预报上,其误差仅为传统模型的三分之一。
此外,NeuralGCM 在运行速度和计算成本上都极为高效,与传统模型相比,速度快了3500倍,计算成本比X-SHiELD低了10万倍,只需普通计算机就能运行。
NeuralGCM 的推出标志着气候建模领域的一次重大飞跃,不仅为未来的天气预报提供了新的可能性,也让我们对气候变化的研究有了更强有力的支持。
论文地址:https://t.co/zyXhW8deko
划重点:
🌍 NeuralGCM 模型的计算效率比传统物理模型高出10万倍,能在30秒内模拟22天天气!
📈 在2到15天的天气预报中,NeuralGCM 的准确性超越了现有最先进的模型。
💻 其计算成本低于传统模型10万倍,使用普通计算机即可高效运行。