💡
原文中文，约3800字，阅读约需9分钟。
📝
内容提要
谷歌研究开发了一种名为NeuralGCM的新方法，将传统的基于物理模型的建模与机器学习相结合，准确模拟地球大气层。NeuralGCM能够生成2-15天的天气预报，超过现有模型的准确性。该模型更快、更具成本效益，并在预测方面达到了与机器学习模型和欧洲中期天气预报中心相似的准确性。NeuralGCM的架构结合了可微分的动力核心和使用神经网络预测未解决过程的学习物理模块。该模型使用ECMWF天气数据进行性能评估，在天气和气候预测方面优于现有模型。NeuralGCM是开源的，有潜力革新气候建模。
🎯
关键要点
- 谷歌研究开发了NeuralGCM，将传统物理模型与机器学习结合，准确模拟地球大气层。
- NeuralGCM能够生成2-15天的天气预报，准确性超过现有模型。
- 该模型计算速度快、成本低，准确性与机器学习模型和欧洲中期天气预报中心相似。
- NeuralGCM架构结合了可微分的动力核心和学习物理模块，使用ECMWF天气数据进行评估。
- NeuralGCM在气候建模方面具有革新潜力，且为开源项目。
- NeuralGCM的可微分动力学核心允许端到端训练，提升模型预测精度。
- 与传统模型相比，NeuralGCM使用神经网络学习小规模过程的物理特性。
- NeuralGCM在气候时间尺度的预测方面优于现有大气模型，平均误差显著降低。
- NeuralGCM的计算成本比传统模型低100,000倍，速度提升相当于高性能计算25年的进步。
- 研究人员希望将NeuralGCM扩展到地球气候系统的其他方面，以进行更长时间尺度的预测。
➡️
