科学家利用AI提高预测准确率

机器学习是气象学家 Dale Durran 开创性工作中的“最新助手”。

Dale Durran 热衷于在看似无序的地球天气中寻找规律——他在自家的前门外竖起了一三英尺长的金属环（如上面的视频所示），里面持续下着随机的“雨滴”。

作为华盛顿大学全职大气科学教授和兼职雕塑家，Durran 与他人合著了几十篇研究地球气候变化规律的论文。气候变化研究领域专属于渴望接受高难度挑战，试图用数学来诠释气候变化的人们。

2019 年，Durran 获得了 AI 作为新的工具。他与两名研究生和微软研究员合作，共同构建了第一个模型，用来证明深度学习在预测天气方面的潜力。

虽然粗糙，但该模型的表现优于首次基于计算机预测时所使用的复杂方程。这些方程的“后代”目前都在全球最大的超级计算机上运行。相比之下，AI 减轻了传统的计算负载并且能够在更小的系统上工作得更快。

Durran 回忆道：“我们深受启发，并开始全身心投入到这个领域。”

AI 的光明前景

去年，该团队将工作提升到了新的水平。他们的最新神经网络借助 NVIDIA DGX Station 内置的四个 NVIDIA A100 Tensor Core GPU，能够在不到一分钟的时间内处理 320 个六周预报。这比现今超级计算机为预测天气而合成的 51 个预报还要多 6 倍以上。

此项技术的快速发展使该模型几乎能够像传统方法一样预测 2017 年飓风“艾尔玛”穿过加勒比海的路径，还能在 0.1 秒内依靠单个 NVIDIA V100 Tensor Core GPU 做出一周的预报。

Durran 的最新工作是使用 AI 更高效地预测飓风“艾尔玛”在佛罗里达州的路径，而且几乎和传统方法一样准确。

Durran 预计，AI 可以同时处理数以千计的预测，以比传统方程更少的资源消耗提供更为清晰的统计图。有人认为其性能将提升高达五个数量级，而功耗却微乎其微。

AI 获取卫星数据

下一个重点是从根本上拓宽气象观察员的视野。

Durran 认为 AI 模型可以做到如今的预测所使用的复杂方程无法轻松处理的、日益丰富的卫星数据，例如云层模式、土壤湿度和植物的干旱压力等细节。

Durran 的研究生希望在今年冬天展示可以直接获取全球云层卫星数据的 AI 模型。如果进展顺利，这将为 AI 指明方向，即利用从太空采集的大量数据类型提高预测准确性。

在另一项工作中，华盛顿大学的研究人员正在使用深度学习将天文学家用来追踪恒星的网格应用于大气层研究工作。Durran 表示，这种新颖的网格有助于开发出全新的天气预报方式。

收获的季节

在近 40 年的教育工作中，Durran 指导了数十名学生并编写了两本关于如何通过数学来了解天气和气候的流体动力学教科书，书籍获得了很高的评价。

他的学生 Gretchen Mullendore 目前是美国国家大气研究中心实验室的负责人，Gretchen Mullendore 与顶尖的研究者合作，改进天气预报模型。

Mullendore 表示：“我很幸运能在 20 世纪末到 21 世纪初的这段时间与 Dale 一起使数值天气预报能够适应当时最新的硬件，我非常感谢有这样一位老师带我领略科学和计算机的魅力。”

代代相承

Durran 将在 1 月获得 Jule G. Charney 奖章，这是美国气象学会的最高荣誉。该奖章以科学家 Jule G. Charney 的名字命名，Jule G. Charney 与 John von Neumann 合作，在 20 世纪 50 年代开发出天气预报员至今仍在使用的算法。

最早关于全球变暖的科学论文出现在 1979 年，Charney 是其中的作者之一。Durran 跟随他的脚步为《华盛顿邮报》撰写了两篇社论，帮助广大读者了解气候变化和二氧化碳排放增加所带来的影响。

这两篇社论文章介绍了 Durran 在 1976 年第一份工作中培养的兴趣——创建关于空气污染趋势的计算机模型。在谈到为何投身于气象学时，Durran 表示：“我更愿意在这个领域的前端工作。”

这个因具有“蝴蝶效应”而众所周知的领域激励着他继续推动科学的进步。

审核编辑 ：李倩