AI結合物理原理 Google推出全新天氣預測模型 研究登上Nature

傳統天氣預測、氣候模擬方式，如今也面臨 AI 的挑戰。Google(GOOGL-US) 人工智慧團隊和歐洲中期天氣預報中心的團隊周一 (22 日) 宣布，推出 NeuralGCM，更進一步提高天氣預測和氣候模擬的能力。

相關研究論文以「Neural general circulation models for weather and climate」為題，已發表在周一的權威科學期刊《Nature》上。

目前，世界上最好的天氣預報模式是大氣環流模式 (GCM)，由歐洲中期天氣預報中心所建立。 GCM 部分是基於計算物理原理，對於其餘的大部分，則依賴所謂的「參數化」，使用經驗確定的關係，來近似不完全理解的物理過程。

NeuralGCM 是一個由兩個部分組成的系統。研究人員稱之為「動力核心」，它處理大規模大氣對流的物理原理，並考慮重力和熱力學等基本物理原理，其他一切都由人工智慧部分處理。

領導該計畫的 Google 研究員 Stefan Hoyer 表示，透過使用將標準物理驅動模型與機器學習工具結合的混合方法，該團隊避免了僅使用人工智慧的實驗中出現的問題。

他說：「我們確實嘗試著拆開黑盒子，而不是僅僅擁有一個純粹的人工智慧模型。」

NeuralGCM 依靠現有的大氣環流模型 (GCM) 來模擬大規模物理學，並使用稱為神經網路的機器學習方法來估計較小規模的特徵。

霍耶說：「正因為如此，我們能夠建立一個更加穩定的模型，當你在未來更長的時間內運行它時，甚至是幾年或幾十年，它會給出更可靠的結果。」

Google 團隊稱，NeuralGCM 對 1-15 天預報的準確率，媲美歐洲中期天氣預報中心 (ECMWF)。對提前 10 天預報的準確率，NeuralGCM 與現有其他 AI 模型性能相當。加入海平面溫度後，NeuralGCM 的 40 年氣候預測結果，與從 ECMWF 資料中發現的全球變暖趨勢一致。

NeuralGCM 不僅在準確度方面達到甚至超過了現有傳統數值天氣預報模型和其他機器學習 (ML) 模型；在速度方面，可以在 30 秒計算時間內生成 22.8 天大氣模擬；且可以比傳統模型節省數量級的計算量。