网站首页健康养生 >正文
据其创建者介绍,一种新的天气预报和未来气候预测系统利用人工智能(AI)实现与现有最佳模型相当的结果,同时消耗更少的计算机能力。
在《自然》杂志上发表的一篇论文中,来自谷歌、麻省理工学院、哈佛大学和欧洲中期天气预报中心的研究人员表示,他们的模型提供了巨大的“计算节省”,并且可以“增强对理解和预测地球系统至关重要的大规模物理模拟”。
NeuralGCM模型是一系列研究模型中的最新一个,这些模型利用机器学习的进步来更快、更便宜地进行天气和气候预测。
什么是NeuralGCM?
NeuralGCM模型旨在将传统模型的最佳特性与机器学习方法相结合。
从本质上讲,NeuralGCM是一种所谓的“大气环流模型”。它包含对地球大气物理状态的数学描述,并能求解复杂的方程来预测未来会发生什么。
然而,NeuralGCM还利用机器学习(一种在海量数据中寻找模式和规律的过程)来研究一些不太为人所知的物理过程,例如云的形成。这种混合方法确保机器学习模块的输出符合物理定律。
谷歌研究人员解释NeuralGCM模型。
由此得出的模型可用于提前几天和几周预测天气,以及提前几个月和几年预测气候。
研究人员使用一套名为WeatherBench2的标准化预测测试,将NeuralGCM与其他模型进行了比较。对于三天和五天的预报,NeuralGCM的表现与其他机器学习天气模型(如盘古和GraphCast)相当。对于十天和十五天的长期预报,NeuralGCM的准确率与现有的最佳传统模型相当。
NeuralGCM在预测不太常见的天气现象(例如热带气旋和大气河流)方面也相当成功。
为什么要进行机器学习?
机器学习模型基于算法,算法会学习输入数据中的模式,然后利用这种学习进行预测。由于气候和天气系统非常复杂,机器学习模型需要大量历史观测和卫星数据进行训练。
训练过程非常昂贵,需要大量的计算机能力。然而,模型训练完成后,用它来进行预测既快又便宜。这是它们对天气预报的吸引力很大一部分。
训练成本高、使用成本低,这与其他类型的机器学习模型类似。例如,据报道,GPT-4花了几个月的时间进行训练,花费超过1亿美元,但可以在几分钟内响应查询。
机器学习模型的一个弱点是,它们经常在陌生的情况下(或者在这种情况下,极端或前所未有的天气条件)表现不佳。要做到这一点,模型需要能够概括,或者在其训练数据之外进行推断。
NeuralGCM在这方面的表现似乎优于其他机器学习模型,因为它基于物理的核心提供了一些现实基础。随着地球气候变化,前所未有的天气状况将变得更加常见,我们不知道机器学习模型能否跟上形势。
目前还没有人真正使用基于机器学习的天气模型进行日常预报。然而,这是一个非常活跃的研究领域——无论如何,我们可以确信未来的预报将涉及机器学习。
版权说明:本站所有作品图文均由用户自行上传分享,仅供网友学习交流。若您的权利被侵害,请联系我们
相关文章:
- 2024-07-29适合量子计算时代的光纤
- 2024-07-27新的航空航天和建筑材料可以通过真菌和细菌进行自我修复
- 2024-07-26逃离动力学陷阱分子相互作用如何克服能量障碍
- 2024-07-26新研究表明对于大脑更复杂的哺乳动物来说体型并不重要
- 2024-07-26非互易相互作用变成非线性在耦合纳米粒子中观察到非厄米动力学
- 2024-07-26研究发现西南大西洋海洋生态系统的重要区域比预期的要浅
- 2024-07-26研究人员探索高亲和力DNA与碳纳米管之间的相互作用
- 2024-07-26保护你的猪免受钻石皮肤病的侵害
- 2024-07-25低模量脆性界面改善多相陶瓷的机械性能
- 站长推荐
- 栏目推荐