• Google 和欧洲中期天气预报中心（ECMWF）的研究团队开发了一种名为 NeuralGCM 的新气候模型，利用人工智能提高天气预报的速度和准确性。
  • 通过利用神经网络增强传统的物理模拟，NeuralGCM 在建模和预测气候过程方面取得了重大进展。

本刊观点
Google 和 ECMWF 的研究人员推出了一种创新的气候模型，名为 NeuralGCM。 NeuralGCM 使用神经网络增强传统高性能计算，专注于传统模型难以准确模拟的小尺度气候过程，如云层和精度变化。通过利用 ECMWF 收集的历史天气数据进行训练，NeuralGCM 在提高预报速度和准确性方面取得了显著成果，特别是在高分辨率模拟中，表现优于现有气候模型，为气候科学和天气预报领域带来了新的希望和可能性。
-李蕾，BTW 记者

发生了什么

NeuralGCM专注于传统模型难以准确捕捉的小尺度气候过程，如云层和精度变化，并通过利用ECMWF收集的历史天气数据进行训练，展示了提升预报速度和准确性的潜力。它利用谷歌的 JAX 机器学习框架开发，使得模型能够在 TPU 或 GPU 等加速器上原生运行，从而显著提高了速度和效率。

谷歌宣称，NeuralGCM 模型的 1.4 度分辨率版本比 X-SHiELD 模型快 3500 倍以上。NeuralGCM 模型的源代码和权重已按非商业许可证在 GitHub 上发布，供公众使用。研究人员希望最终能将海洋和碳循环等地球气候系统的其他方面纳入该模型，使 NeuralGCM 能够在更长时间尺度上进行预测，超越天气预报，达到气候预测的水准。

另请阅读：DataRobot 做什么？自动化人工智能和机器学习

另请阅读：什么是 DataRobot：革新机器学习与人工智能

为何重要

NeuralGCM 模型显示了人工智能在提升气候模型预测能力方面的巨大潜力。NeuralGCM 模型能够更准确地模拟和预测气候现象，尤其是那些传统模型难以捕捉的小尺度过程。它们有助于提高天气预报的准确性和速度，并对理解复杂气候系统、应对气候变化和制定相关政策具有重要意义。

此外，NeuralGCM 模型的开发和开源发布为气候科学界提供了一个新工具，促进了跨学科合作和知识共享。通过利用 TPU 或 GPU 等高性能计算资源，NeuralGCM 模型能够以更快的速度运行，帮助研究人员更高效地进行气候模拟和分析。