強過「黃金標準」，快3,500倍，成本低10萬倍，物理建模融合AI，谷歌天氣模型登Nature

AIGC動態歡迎閱讀

原標題：強過「黃金標準」，快3,500倍，成本低10萬倍，物理建模融合AI，谷歌天氣模型登Nature
關鍵字：模型,氣候,物理,研究人員,大氣
文章來源：人工智能學家
內容字數：0字

內容摘要：

將 ScienceAI設為星標
第一時間掌握
新鮮的 AI for Science 資訊編輯 | KX
地球正以前所未有的方式變暖，但氣溫升高對我們的未來意味著什么尚不完全清楚。全球哪些地區將面臨長期干旱？大型熱帶風暴將使哪些沿海地區的洪災更加頻繁？為了回答這些問題，科學家需要能夠準確預測地球氣候。
現在，Google Research 研究團隊提出一種將傳統的基于物理建模與 ML 相結合的新方法——NeuralGCM，可以準確高效地模擬地球大氣層。比現有模型更快、計算成本更低、更準確。
NeuralGCM 可以生成 2-15 天的天氣預報，比目前基于物理的「黃金標準」模型更準確。在 1 至 10 天預報方面與機器學習模型相媲美，在 1 至 15 天預報方面與歐洲中期天氣預報中心的集合預報相媲美。
所得到的模型非常快速且準確，在相似或更高準確度下，計算效率比當前最先進的模型高出 3 到 5 個數量級。
相關研究以「Neural general circulation models for weather and climate」為題，于 7 月 22 日發布在《Nature》上。
論文

原文鏈接：強過「黃金標準」，快3,500倍，成本低10萬倍，物理建模融合AI，谷歌天氣模型登Nature

聯系作者

文章來源：人工智能學家
作者微信：
作者簡介：