图灵汇官网

人类刚刚经历了有史以来最热的一天。

根据欧盟哥白尼气候变化服务局的报告，全球7月21日的地表平均气温达到了17.09摄氏度，创下历史最高纪录。全球变暖导致极端天气事件频发，给社会和生态系统带来巨大影响。准确的天气预报和气候模拟变得愈发重要。

最近，Google Research团队与其合作伙伴开发了一种名为NeuralGCM的人工智能模型，用于预测天气和气候变化。这是首个基于机器学习的大气环流模型，相较于传统工具，它不仅预测速度更快，能耗更低，还能大幅减少计算资源的使用。这项研究成果已于7月22日发表在《自然》杂志上。

NeuralGCM模型结合了传统物理方法和人工智能技术，能够进行短期天气预报及长期气候模拟。传统的大气环流模型基于物理学原理，将大尺度动力学与小尺度现象相结合，是天气和气候预测的基础。然而，之前的机器学习模型在预测精度上虽有所提升，但在长期气候模拟和集合预报方面仍有不足。

NeuralGCM的关键组成部分包括可微分动力学核心和学习物理模块。前者用于模拟大规模流体运动和热力学效应，后者则利用神经网络预测小尺度物理过程。这种结合使得NeuralGCM在1至15天的天气预报中表现出色，其准确率接近欧洲中期天气预报中心的最佳物理模型。在长达10天的预报中，NeuralGCM的表现同样出色，有时甚至超越了现有技术。

除了短期天气预报，NeuralGCM在气候预测方面也显示出强大的能力。通过加入海平面温度数据，研究人员发现模型预测的全球变暖趋势与实际观测相符。此外，NeuralGCM在预测龙卷风路径方面也优于传统模型。

NeuralGCM在计算效率方面也有显著优势。相比传统大气环流模型，它能在30秒内完成22.8天的大气模拟，节省了大量计算资源。未来，随着算法和技术的进步，NeuralGCM的预测精度有望进一步提升。

在全球气候变暖的背景下，NeuralGCM对于帮助人类理解和应对气候变化具有重要意义。“NeuralGCM为我们提供了一个了解和适应气候变化的新途径。”谷歌研究院高级工程师Stephan Hoyer博士表示，“我们期待在未来版本中加入更多地球科学元素，以提高模型的准确性。”

这项创新成果有助于提升我们对气候变化的理解和预测能力，为制定有效的应对措施提供了强有力的支持。