10多年前，当美国加州理工学院气候科学家塔佩奥·施奈德首次对云如何形成进行建模时，需要煞费苦心地调整描述水滴、气流和温度如何相互作用的方程。但2017年，机器学习等人工智能（AI）技术成为他的“左膀右臂”。施耐德表示，机器学习建模速度更快，给出的模型更令人满意，让气候建模和气候科学变得更有趣。
英国《自然》网站在近日的报道中指出，科学家正利用各种AI技术，加快气候建模速度并改进其性能，期望提高模型准确性的同时降低其能耗。当然，鉴于AI存在“黑匣子”，并非所有人都完全信任基于机器学习技术的模型。
传统模型有短板
传统气候模型使用数学方程来描述陆地、海洋和空气之间的相互作用如何影响气候。这些模型运行良好，给出的气候预测信息可用于指导全球政策制定。
但这些模型需要功能强大的超级计算机运行数周时间，且耗能极高。传统模型模拟一个世纪的气候，消耗的能源高达10兆瓦时，约等于美国家庭平均年用电量。此外，这些模型很难模拟雨滴如何形成等小规模过程，但这些小过程在大规模天气模拟中发挥着重要作用。
机器学习指计算机程序通过发现数据集中的模式来学习。加州大学洛杉矶分校计算机科学家阿迪亚·格罗弗指出，机器学习领域的一系列创新有望在气候建模领域“大显身手”。
模拟器既快又准
研究人员利用AI对气候进行建模目前主要有3种方式。
第一种方式需要开发名为模拟器的机器学习模型，它可以在不进行所有数学计算的情况下，给出与传统模型相同的结果。
2023年，澳大利亚联邦科学与工业研究组织气候科学家瓦西里·基齐奥斯及其同事开发了15个机器学习模型，以模拟15个基于物理学的大气模型。他们使用物理模型训练QuickClim系统。这些物理模型针对低碳排放和高碳排放两种情况，来预测2100年的大气温度。在中等碳排放情景下，接受训练后的QuickClim预测2100年大气温度的结果，与基于物理学的模型非常吻合。
一旦接受所有低、中、高3种碳排放情景训练，QuickClim就能快速预测本世纪全球气温的变化，速度比传统模型快约100万倍。
无独有偶，2023年，艾伦人工智能研究所科学家也为一个基于物理学的大气模型开发出机器学习模拟器ACE。研究团队将10组初始大气条件输入该模型中，创建了训练数据集。模拟器ACE预测了10种情况下未来10年气温、水蒸气和风速等16个变量的变化情况。研究显示，经过训练后，ACE能在10年内，提前6小时作出预测。此外，ACE更准确预测了90%大气变量的状态，运行速度和能效也都提升了100倍。
施耐德指出，此类模型有望通过探索多种场景来帮助政策制定者进行决策，不过，它们不会取代基于物理学的模型，而是与其“协同作战”。
基底模型可扩展
利用AI的第二种方式是开发基底模型。这些基底模型随后可以调整，以执行广泛的气候和天气相关任务。
基底模型基于这样一种观点：数据中存在可以预测未来气候的基本模式。通过发现这些隐藏的模式，基底模型有望比传统方法更好地预测气候和天气。
2023年，格罗弗和微软科学家创建了基底模型ClimaX。研究团队利用5个基于物理学气候模型的输出数据对其进行了训练，随后对其进行了微调，使其执行更多任务。
例如，该模型基于二氧化碳、二氧化硫、黑碳和甲烷水平等输入变量预测了全球平均地表温度、日温度范围和降雨量。结果显示，ClimaX比帕里斯团队创建的3个气候模拟器更好地预测了与温度相关变量的状态。但在预测降雨量方面，ClimaX的表现不如3个模拟器中最好的。
帕里斯也承认，目前他们并不能证明ClimaX的性能优于传统气候模型，也无法证明基底模型本质上优于模拟器。
混合模型取长补短
第三种方式试图“两全其美”，即将机器学习组件嵌入基于物理学的模型内，生成混合模型。在这种情况下，机器学习模型只取代传统模型中效果较差的部分，通常是对云如何形成、积雪和河流流动等小规模但复杂且重要过程进行建模。
模拟这些小规模过程是标准气候模型的“短板”，而混合模型的性能优于纯基于物理学的模型，同时又比完全由AI构建的模型更值得信赖。
鉴于此，施耐德及其同事创建了地球大气层和陆地的物理模型，其中囊括了少数此类小规模过程的机器学习程序。他指出，在根据历史观测数据对河流流量和积雪进行测试时，这些混合模型表现良好。团队希望今年底前完成一个可以与大气和陆地模型耦合的海洋混合模型，作为气候建模联盟（CliMA）项目的一部分。
科学家们认为，最新的AI技术显著提升了气象预测的准确性和细节层面的分析能力，开启了智能气象预测的新纪元。随着技术进步，未来的气象预测将更加精准和高效。
10多年前，当美国加州理工学院气候科学家塔佩奥·施奈德首次对云如何形成进行建模时，需要煞费苦心地调整描述水滴、气流和温度如何相互作用的方程。但2017年，机器学习等人工智能（AI）技术成为他的“左膀右臂”。施耐德表示，机器学习建模速度更快，给出的模型更令人满意，让气候建模和气候科学变得更有趣。
英国《自然》网站在近日的报道中指出，科学家正利用各种AI技术，加快气候建模速度并改进其性能，期望提高模型准确性的同时降低其能耗。当然，鉴于AI存在“黑匣子”，并非所有人都完全信任基于机器学习技术的模型。
传统模型有短板
传统气候模型使用数学方程来描述陆地、海洋和空气之间的相互作用如何影响气候。这些模型运行良好，给出的气候预测信息可用于指导全球政策制定。
但这些模型需要功能强大的超级计算机运行数周时间，且耗能极高。传统模型模拟一个世纪的气候，消耗的能源高达10兆瓦时，约等于美国家庭平均年用电量。此外，这些模型很难模拟雨滴如何形成等小规模过程，但这些小过程在大规模天气模拟中发挥着重要作用。
机器学习指计算机程序通过发现数据集中的模式来学习。加州大学洛杉矶分校计算机科学家阿迪亚·格罗弗指出，机器学习领域的一系列创新有望在气候建模领域“大显身手”。
模拟器既快又准
研究人员利用AI对气候进行建模目前主要有3种方式。
第一种方式需要开发名为模拟器的机器学习模型，它可以在不进行所有数学计算的情况下，给出与传统模型相同的结果。
2023年，澳大利亚联邦科学与工业研究组织气候科学家瓦西里·基齐奥斯及其同事开发了15个机器学习模型，以模拟15个基于物理学的大气模型。他们使用物理模型训练QuickClim系统。这些物理模型针对低碳排放和高碳排放两种情况，来预测2100年的大气温度。在中等碳排放情景下，接受训练后的QuickClim预测2100年大气温度的结果，与基于物理学的模型非常吻合。
一旦接受所有低、中、高3种碳排放情景训练，QuickClim就能快速预测本世纪全球气温的变化，速度比传统模型快约100万倍。
无独有偶，2023年，艾伦人工智能研究所科学家也为一个基于物理学的大气模型开发出机器学习模拟器ACE。研究团队将10组初始大气条件输入该模型中，创建了训练数据集。模拟器ACE预测了10种情况下未来10年气温、水蒸气和风速等16个变量的变化情况。研究显示，经过训练后，ACE能在10年内，提前6小时作出预测。此外，ACE更准确预测了90%大气变量的状态，运行速度和能效也都提升了100倍。
施耐德指出，此类模型有望通过探索多种场景来帮助政策制定者进行决策，不过，它们不会取代基于物理学的模型，而是与其“协同作战”。
基底模型可扩展
利用AI的第二种方式是开发基底模型。这些基底模型随后可以调整，以执行广泛的气候和天气相关任务。
基底模型基于这样一种观点：数据中存在可以预测未来气候的基本模式。通过发现这些隐藏的模式，基底模型有望比传统方法更好地预测气候和天气。
2023年，格罗弗和微软科学家创建了基底模型ClimaX。研究团队利用5个基于物理学气候模型的输出数据对其进行了训练，随后对其进行了微调，使其执行更多任务。
例如，该模型基于二氧化碳、二氧化硫、黑碳和甲烷水平等输入变量预测了全球平均地表温度、日温度范围和降雨量。结果显示，ClimaX比帕里斯团队创建的3个气候模拟器更好地预测了与温度相关变量的状态。但在预测降雨量方面，ClimaX的表现不如3个模拟器中最好的。
帕里斯也承认，目前他们并不能证明ClimaX的性能优于传统气候模型，也无法证明基底模型本质上优于模拟器。
混合模型取长补短
第三种方式试图“两全其美”，即将机器学习组件嵌入基于物理学的模型内，生成混合模型。在这种情况下，机器学习模型只取代传统模型中效果较差的部分，通常是对云如何形成、积雪和河流流动等小规模但复杂且重要过程进行建模。
模拟这些小规模过程是标准气候模型的“短板”，而混合模型的性能优于纯基于物理学的模型，同时又比完全由AI构建的模型更值得信赖。
鉴于此，施耐德及其同事创建了地球大气层和陆地的物理模型，其中囊括了少数此类小规模过程的机器学习程序。他指出，在根据历史观测数据对河流流量和积雪进行测试时，这些混合模型表现良好。团队希望今年底前完成一个可以与大气和陆地模型耦合的海洋混合模型，作为气候建模联盟（CliMA）项目的一部分。
科学家们认为，最新的AI技术显著提升了气象预测的准确性和细节层面的分析能力，开启了智能气象预测的新纪元。随着技术进步，未来的气象预测将更加精准和高效。
记者3月18日从安徽明天氢能科技股份有限公司（以下简称明天氢能）获悉，国家电网近日向明天氢能及董事长王朝云分别授予科学技术进步奖一等奖，获奖项目为“大规模氢电一体化站关键技术、核心装备及 近日，国家知识产权局等五部门联合印发了《专利产业化促进中小企业成长计划实施方案》（以下简称《实施方案》）。《实施方案》提出，到2025年底，中小企业知识产权意识和专利转化运用能力得到普遍提升 3月21日上午，全球首列氢能源市域列车在中车长客股份公司（以下简称“中车长客”）试验线上进行了时速160公里满载运行试验。当日试验过程中，车以160公里/小时速度运行的列车，每公里实际运行平均能耗 2024年2月，OpenAI公司推出了文生视频人工智能（AI）模型Sora。OpenAI展示了Sora利用少量简短文字提示即可创建逼真视频的能力，并提供了包括一位女士在闪烁着霓虹灯的东京街道漫步，以及一只狗在两个 瑞士洛桑联邦理工学院工程学院研究团队制造了一种用于内存的新型纳米流体设备，这使他们第一次能连接两个“人工突触”。该设备为受大脑启发的液体硬件设计铺平了道路。这项研究发表在最新一期 “AI钢铁侠”黄仁勋，又进化了英伟达 作 者丨倪雨晴 2024年，英伟达一年一度的GTC大会已然成为AI界春晚，现场座无虚席，全球AI爱好者翘首以待黄仁勋的独家SOLO。 北京时间3月19日凌晨，GTC终于拉开大幕。英伟达创 。本文链接：人工智能开启气象预测新纪元http://www.sushuapos.com/show-2-4521-0.html
声明：本网站为非营利性网站，本网页内容由互联网博主自发贡献，不代表本站观点，本站不承担任何法律责任。天上不会到馅饼，请大家谨防诈骗！若有侵权等问题请及时与本网联系，我们将在第一时间删除处理。
上一篇： 家族性阿尔茨海默病会经骨髓移植传染
下一篇： 最广泛灵长类动物大脑研究结果发布