北京時間7月22日，國際著名學術期刊《自然》最新發表一篇環境研究論文稱，研究人員研發出一個機器學習模型能進行準確的天氣預測和氣候模擬。這一機器學習模型被命名為NeuralGCM，它能超越部分現有天氣和氣候預測模型，且有望比傳統模型節省大量算力。

　　該論文介紹，一般環流模型(GCMs)表示了大氣、海洋和陸地的物理過程，是天氣和氣候預測的基礎，而減少長期預報的不確定性以及估算極端天氣事件，是理解氣候緩解和適應的關鍵。機器學習模型一直被認為是天氣預測的一種替代手段，且具有節省算力成本的優勢，但它們在長期預報的表現常常不如一般環流模型。

　　在本項研究中，美國谷歌研究團隊和合作者設計出機器學習模型NeuralGCM，這個模型結合了機器學習和物理方法，能進行中短期天氣預報以及幾十年的氣候模擬。該模型對1-15天預報的準確率能媲美歐洲中期天氣預報中心ECMWF(最好的傳統物理天氣模型之一)的預測結果；對于最多提前10天的預報，NeuralGCM的準確率與現有機器學習技術不相上下，有時甚至更好。

　　同時，NeuralGCM的氣候模擬準確率與最好的機器學習和物理方法相當：在NeuralGCM的40年氣候預測中加入海平面溫度后，論文作者發現模型給出的結果與從ECMWF數據中發現的全球變暖趨勢一致。此外，NeuralGCM在預測龍卷風及其軌跡方面也超過了已有的氣候模型。

　　論文作者總結認為，這些研究結果共同表明，機器學習是提升一般環流模型的一個可行手段。

　　(記者 孫自法 制作 費璠 視頻來源施普林格·自然)

責任編輯：【羅攀】