Nature重磅：AI击败最先进全球传统天气、气候模型：30秒生成22.8天大气模拟：准确预测40年全球变暖趋势
世界气象组织（WMO）统计数据揭示，过去50年间平均每日发生一场与天气、气候或水患相关的灾害，每场灾害平均导致约115人丧生，并造成约2.02亿美元的经济损失。更令人担忧的是，人类活动加剧的气候变化正使热浪、寒潮、强降水、干旱等极端天气与气候灾害愈发频繁。因此，精准及时的天气预报和气候模拟不仅每年可挽救数万生命，还能减轻极端事件对社会与生态系统的破坏性影响。如今，谷歌研究团队及其合作者开发的人工智能模型NeuralGCM，将天气预测与气候模拟推向新高度——其1至15天预报准确率与欧洲中期天气预报中心（ECMWF）的传统物理模型相当；提前10天预报的准确率与现有AI模型持平甚至更优；加入海平面温度后，40年气候预测结果与ECMWF数据揭示的全球变暖趋势一致；在气旋及轨迹预测方面也超越了现有气候模型。更值得一提的是，NeuralGCM在准确度上媲美甚至超越传统数值预报和其他机器学习模型的同时，速度上“遥遥领先”——30秒内可生成22.8天大气模拟，计算量比传统模型节省数量级。相关论文以“Neural general circulation models for weather and climate”为题登上《自然》期刊。
这些结果共同表明，NeuralGCM能够生成确定性天气、天气与气候的集合预报，在长期模拟中展现出足够稳定性。研究团队认为，这种端到端深度学习与传统大气环流模型（GCM）所执行的物理过程兼容，并能增强对理解与预测地球系统至关重要的大规模物理模拟。此外，NeuralGCM的混合建模方法还可应用于材料发现、蛋白质折叠、多物理工程设计等其他科学领域。
真实效果怎么样？
减少长期预报的不确定性并估算极端天气事件，是理解气候缓解与适应的关键。机器学习模型一直被视为天气预测的替代方案，具有节省算力成本的优势，甚至在确定性预报方面已达到或超越大气环流模型水平，但在长期预报上常表现欠佳。在这项工作中，研究团队将机器学习与物理方法结合设计了NeuralGCM，用ML组件替换或校正GCM中的传统物理参数化方案，由以下关键部分组成：可微分的动力核心（求解离散化动力方程，模拟大尺度流体运动和热力学过程）、学习物理模块（使用单柱方法，基于全连接神经网络预测未解析过程的影响）、编码器和解码器（在压力坐标与sigma坐标间转换，消除初始化冲击引起的重力波）。
图｜NeuralGCM模型架构。NeuralGCM结合传统流体动力学求解器与小尺度物理神经网络，通过微分方程求解器组合，在时间上依次推进系统。（来源：Google Research）
结果显示，NeuralGCM在天气预测方面展现出强大能力，在超短期、短期和中期时间尺度上与最先进模型相媲美：
超短期预测（0-1天）：泛化能力优于GraphCast，在未经训练的天气条件下表现更佳；
短期预测（1-10天）：准确性高，1-3天中NeuralGCM-0.7°与GraphCast最佳；物理一致性更清晰，避免模糊预测；可解释性更强，便于水资源分析；地转风平衡模拟更准确；
中期预测（7-15天）：集合预报NeuralGCM-ENS在1.4°分辨率下误差低于ECMWF-ENS，发散率-技能比约为1，满足校准预报条件。
此外，NeuralGCM在气候模拟方面同样表现突出：季节循环模拟准确，可降水与总动能年度循环及哈德利环流等关键动力学吻合；热带气旋模拟中，即便在1.4°粗分辨率下也能生成与ERA5相似的轨迹和数量；历史温度趋势模拟中，40年AMIP模拟准确捕捉了全球变暖趋势，年际温度强相关于ERA5数据，且偏差小于CMIP6 AMIP模型。
图｜NeuralGCM在十年尺度上的准确性及捕捉全球变暖的能力。比较1980至2020年全球平均气温预测。（来源：Google Research）
尽管NeuralGCM能力强大，仍存在一些局限：首先，预测未来气候能力有限，当海表温度增加较大（如+4K）时出现气候漂移；其次，模拟未观测气候不足，需要更强泛化能力与先进训练策略；然后，物理约束与数值稳定性问题，谱分布比ECMWF模糊，热带极端事件低估；最后，缺乏与其他地球系统组件的耦合，目前仅模拟大气，需整合海洋、陆地、冰雪等以进行全面气候模拟。
传统天气预测、气候模拟，正被AI颠覆
在天气预测与气候模拟领域，NeuralGCM并非首创。过去几年中，多家科技公司与高校在这一方向取得重大进展。2023年7月，一款气象模型登上《自然》，使用39年全球再分析数据训练，预测准确率与全球最佳数值预报系统IFS相当，速度提升10000倍以上；同期另一篇论文介绍了结合物理规律与深度学习的实时降水预报模型NowcastNet。2023年11月，一款基于机器学习的天气预测模型GraphCast在全球0.25°分辨率下可在一分钟内预测未来10天数百个天气变量，优于传统方法，相关论文发表在《科学》期刊。今年3月，另一AI模型利用5680个测量仪训练，击败最先进全球洪水预警系统，可预测未测量流域7天日径流。如今，传统天气预测与气候模拟正被AI颠覆，未来AI将进一步加速气象预测的速度与精度，造福全人类。
参考链接：
https://www.nature.com/articles/s41586-024-07744-y
https://www.science.org/doi/10.1126/science.adi2336
https://www.nature.com/articles/s41586-024-07145-1
https://www.nature.com/articles/s41586-023-06185-3
https://www.nature.com/articles/s41586-023-06184-4