“云计算”对科学家来说有了新的意义

“云计算”对科学家来说有了新的意义

研究人员使用机器学习来提高气候预测模型的准确性

云可能是飘过天空的一缕缕水汽，但对于想要把它们纳入气候模拟的科学家来说，它们在计算上是一项艰巨的任务。来自加州大学欧文分校(University of California, Irvine)、慕尼黑路德维希马克西米利安大学(Ludwig Maximilian University of Munich)和哥伦比亚大学(Columbia University)的研究人员已转向数据科学，以获得更好的积云计算结果。

他们的工作在最近由美国国家科学院院刊在线发表的一项研究中得到了详细的描述。“云在地球的气候中扮演着重要的角色，通过运输热量和水分，反射和吸收太阳光线，捕获红外线热光线和产生降水，”合著者迈克尔·普里查德说，他是UCI地球系统科学助理教授。“但它们可以小到几百米，比50到100公里的标准气候模型网格分辨率要小得多，因此适当地模拟它们需要大量的计算机能力和时间。”

标准的气候预测模型使用简单的数值算法来近似云物理，这些算法依赖于对相关过程的不完美假设。普里查德说，虽然它们可以帮助模拟持续长达一个世纪的时间，但仍有一些缺陷限制了它们的有效性，比如显示毛毛雨而不是更真实的降雨，完全忽略了其他常见的天气模式。

根据普里查德的说法，气候社区同意高保真模拟的好处，它支持自然界中丰富多样的云系统。他说:“但是缺乏超级计算机的力量，或者错误的类型，意味着这仍然是一个很长的路要走。”“与此同时，该领域必须应对与未来降雨变化以及云变化将如何放大或抵消温室气体排放导致的全球变暖相关问题的巨大误差。”

这个团队想要探索的是，深度机器学习是否能够提供一种有效的、客观的、数据驱动的替代方法，能够迅速地应用到主流的气候预测中。该方法基于模拟人脑思维和学习能力的计算机算法。他们通过训练一个深层神经网络来预测数千个微小的二维云解析模型的结果，这些模型与虚拟海洋世界中的行星尺度天气模式相互作用。

据研究人员说，这个新教授的程序，被称为“云脑”，在气候模型中自由发挥作用，导致了稳定和精确的多年模拟，其中包括真实的极端降水和热带海浪。“神经网络学习大约代表的基本物理限制云移动热量和蒸汽的方式不被明确告知这样做,和工作的一小部分所需的处理能力和时间由原cloud-modeling方法,”主要作者斯蒂芬说粗声粗气地说,一个LMU博士生在气象学开始与普里查德合作在这个项目在UCI作为访问学者。普里查德说:“我非常兴奋，仅仅花了三个月的模拟模型输出来训练这个神经网络。”“如果你只需要模拟100天的全球大气，你就可以对云物理做更多的公正。”现在我们知道这是可能的，看看这种方法在部署在一些真正丰富的训练数据时表现如何将是有趣的。

研究人员打算进行后续研究，将他们的方法扩展到更复杂的模型设置，包括现实的地理环境，并理解机器学习在插值和外推方面的局限性——这是本文中涉及的一些气候变化应用的关键问题。“我们的研究显示了数据驱动的气候和天气模型的明显潜力，”普里查德说。“我们看到计算机视觉和自然语言处理开始改变其他科学领域，比如物理、生物和化学。将这些新原理中的一些应用到气候科学中是有意义的，毕竟，气候科学主要集中在大型数据集上，尤其是在新型全球模型开始解决实际云层和湍流问题的今天。