关注“刘鹏看未来”视频号
-每周与您分享科技资讯！
-
视频加载中...
刘鹏看未来
，赞1
谷歌宣告了一项在其大气环流模型（GCM）研发方面取得的重大打破——NeuralGCM。这是一种基于机器学习的新一代大气环流模型，它不仅极大地提高了打算效率，还在景象预报的准确性方面取得了显著的进步。
NeuralGCM的关键特点
打算效率的巨大飞跃
PART.01
NeuralGCM相较于传统的物理模型，在打算效率上提升了10万倍，这一进步相称于高性能打算领域25年的发展。这意味着能够以前所未有的速率进行繁芜的景象仿照。
提高景象预报精度
PART.02
在2-15天的韶光范围内，NeuralGCM的景象预报准确度超过了最前辈的物理模型。这对付短期景象预报和磨难预警具有主要意义。
结合物理事理与AI技能
PART.03
NeuralGCM奥妙地结合了物理事理与人工智能技能，有效办理了传统模型在长期景象和气候仿照中碰着的稳定性问题。
利用神经网络学习物理规则
PART.04
NeuralGCM通过神经网络来学习小尺度景象变革的物理规则，而不是依赖预设的参数化近似值，这使得模型更加灵巧且精确。
确保数值稳定性
PART.05
NeuralGCM采取了由JAX重写的大规模物理过程求解器，能够在线调度模型的行为，从而确保数值的稳定性，并且在TPU和GPU上都能高效运行。
卓越的预测能力
PART.06
在不同分辨率（从0.7°到2.8°）下，NeuralGCM展现了卓越的景象预报准确性和气候尺度预测能力。特殊是在1.4°的分辨率下，它的凑集预测能力优于欧洲中期景象预报中央（ECMWF）的凑集预报系统（ENS）模型。
显著减少温度预测偏差
PART.07
在景象仿照中，NeuralGCM的2.8°模型的温度预测偏差仅为传统模型的三分之一，这表明它在长期景象预测方面具有显著的上风。
显著的本钱节约
PART.08
NeuralGCM的打算速率和本钱上风十分明显。例如，1.4°分辨率的模型比高分辨率物理模型X-SHiELD快3500倍，且打算本钱降落了10万倍。
开源与未来发展
为了促进科学研究和技能进步，谷歌已经将NeuralGCM的开源代码及其模型权重发布到了GitHub上。这将有助于环球的科研职员进一步研究和完善该模型。
谷歌还操持在未来将地球系统的其他组成部分整合到NeuralGCM中，以实现更永劫光尺度上的景象预测，为应对景象变革供应更为有力的支持。
文中部分图片来源网络，如有侵权，请联系删除！
