強(qiáng)過(guò)「黃金標(biāo)準(zhǔn)」，快3,500倍，成本低10萬(wàn)倍，物理建模融合AI，谷歌天氣模型登Nature

AIGC動(dòng)態(tài)歡迎閱讀

原標(biāo)題：強(qiáng)過(guò)「黃金標(biāo)準(zhǔn)」，快3,500倍，成本低10萬(wàn)倍，物理建模融合AI，谷歌天氣模型登Nature
關(guān)鍵字：模型,氣候,物理,研究人員,大氣
文章來(lái)源：人工智能學(xué)家
內(nèi)容字?jǐn)?shù)：0字

內(nèi)容摘要：

將 ScienceAI設(shè)為星標(biāo)
第一時(shí)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(duì)我們的未來(lái)意味著什么尚不完全清楚。全球哪些地區(qū)將面臨長(zhǎng)期干旱？大型熱帶風(fēng)暴將使哪些沿海地區(qū)的洪災(zāi)更加頻繁？為了回答這些問(wèn)題，科學(xué)家需要能夠準(zhǔn)確預(yù)測(cè)地球氣候。
現(xiàn)在，Google Research 研究團(tuán)隊(duì)提出一種將傳統(tǒng)的基于物理建模與 ML 相結(jié)合的新方法——NeuralGCM，可以準(zhǔn)確高效地模擬地球大氣層。比現(xiàn)有模型更快、計(jì)算成本更低、更準(zhǔn)確。
NeuralGCM 可以生成 2-15 天的天氣預(yù)報(bào)，比目前基于物理的「黃金標(biāo)準(zhǔn)」模型更準(zhǔn)確。在 1 至 10 天預(yù)報(bào)方面與機(jī)器學(xué)習(xí)模型相媲美，在 1 至 15 天預(yù)報(bào)方面與歐洲中期天氣預(yù)報(bào)中心的集合預(yù)報(bào)相媲美。
所得到的模型非常快速且準(zhǔn)確，在相似或更高準(zhǔn)確度下，計(jì)算效率比當(dāng)前最先進(jìn)的模型高出 3 到 5 個(gè)數(shù)量級(jí)。
相關(guān)研究以「Neural general circulation models for weather and climate」為題，于 7 月 22 日發(fā)布在《Nature》上。
論文

原文鏈接：強(qiáng)過(guò)「黃金標(biāo)準(zhǔn)」，快3,500倍，成本低10萬(wàn)倍，物理建模融合AI，谷歌天氣模型登Nature

聯(lián)系作者

文章來(lái)源：人工智能學(xué)家
作者微信：
作者簡(jiǎn)介：