我现在已经从两侧观察了云：气候科学的人工智能

这是我们面临的一个复杂的气候问题，需要一台非常强大的计算机才能以任何粒度真正模拟地球系统及其未来。

我最近听了 Nvidia 研究经理兼加州大学欧文分校教授 Mike Pritchard 谈论这个过程及其工作原理。

“物理学在时间和空间上跨越了 10 个数量级，”他说道，并引用了一些研究问题，比如弄清楚云粒子是否有利于水蒸气在其周围聚集。

– 如果您想模拟地球数百次，对未来的许多“假设”场景进行采样，不幸的是，即使拥有最强大的超级计算机，您也无法公正地对待所有这些复杂性，”他说。“与此同时，人类对未来气候的问题对于模拟技术来说过于广泛。”

作为直接看待问题的具体例子，他谈到了他从圣地亚哥到欧文的通勤，并看到了窗外一种特殊的云。

“它看起来就像地平线上的一条灰色带子，”他说。– 我们称之为海洋层。如果它在海滩上飘来，你会很沮丧，因为它会让你感到寒冷。但重要的是，在从圣地亚哥飞往夏威夷的途中，你可以从飞机窗外看到一大片低云的边缘，而这片云反射了来自地球的大量能量。，保持其温度低于其他情况。因此，如果它消散——这将加剧全球变暖——但如果它变厚（这是有可能的），那就会抑制它。这是一个数万亿美元的不确定性。这是一个模拟问题。我们知道这些云需要非常高的分辨率来模拟，但我们目前还无法在气候模拟中部署它们。”

一系列系统

Pritchard 还提到了“ensemble”这个词，它经常在机器学习中使用，表示一次利用多个模型，或者众包不同法学硕士的输出，但它在天气预报中有不同的含义。

“你不会预测一场飓风，”他说，“你会预测数百场飓风。”你抱最好的希望，做最坏的打算……华盛顿大学的大气科学家正在采用这些人工智能天气模型，这些模型是根据真实大气的混乱情况进行训练的，真实大气非常嘈杂和混乱，并且然后在事后探究他们并询问他们是否通过这样做来学习物理。”

皮查德谈到了它如何与技术相结合，并为人工智能模型帮助我们预测天气预报的能力建立了证据档案。

新软件和技术

作为一个例子，Pritchard 提到了 Nvidia AI 工具的功能，例如模数,地球工作室使此类人工智能预测模型的研究、开发和验证成为可能。

该公司在美国股市上名列前茅，实际上拥有许多研究领域以及与大气科学界的合作。这些被释放在开源域以下是一些著名的型号：

StormCast 研究- 演示模拟大气动力学、观察中尺度天气现象并做出预测的生成式人工智能模型（纸）。

校正差异- 这是另一个生成高分辨率天气预报的生成人工智能模型（纸）。人们可以使用以下方法了解和探索有关人工智能驱动的缩小规模的更多信息预训练的 Cordiff 在这里。

四播网- 该模型实现了世界各地 25 公里分辨率的天气预报球面傅立叶神经算子， 最近校准的为了庞大的乐团。人们可以使用以下方法了解和探索有关中期全球预测的更多信息预训练的 Fourcastnet 在这里。

地球二号平台是一个数字孪生云平台，可帮助企业利用这些人工智能进步并加速传统数值模拟，以减少气候和天气模拟的计算瓶颈。将这些进步与 RTX 渲染技术等计算机图形学的进步相结合，我们可以构建地球气候和天气的数字孪生，以帮助科学家探索、分析和解释天气现象的复杂性，特别是在气候变化的背景下。

有关气候工作的更多信息

普里查德还谈到了在大型集合人工智能天气预报中促进最佳分散，并引用了新论文，这些论文为使用人工智能模拟低可能性、高影响的极端气候的新兴科学提供了更多细节。他说，这将为气候风险建模者提供新工具，帮助我们了解和防范极端天气事件。

向后和向前

这是普里查德谈到的有用人工智能模型的另一个方面。他将传统的气候信息学流程描述为“使用 Oracle”，他建议，大型模拟器会创建大型数据集，然后用户必须挖掘这些数据集，以帮助了解“假设”场景和问题未来的气候。他补充说，人工智能预测可以向前和向后运行，这应该可以帮助用户更容易地弄清楚在给定不同的初始输入的情况下可能会发生什么变化。

“我们可能正在进入一个可以更轻松地了解我们对未来的影响的未来，而不必经历传统模拟的所有瓶颈，”他说。

双胞胎的力量

最后，普里查德还谈到了数字孪生的想法应用于我们世界上最大的单一项目——世界本身。

——我认为真正重要的交互范式是人工智能数字孪生的链条和级联，——所以你可以想象一个正在向气候人工智能数字孪生发展的未来，再加上极端天气（事件）的人工智能数字孪生).—

普里查德对当前的研究以及每个人围绕这个非常复杂的问题所做的工作表示认可，为我们提供了关于如何利用远远超出大数据集的技术来解决我们这个时代的气候问题的思考。请继续关注波士顿最近有关人工智能和地球的事件的更多信息。