气候预测面临挑战 人工智能扭转乾坤

气候专家们一直致力于预测未来几十年内全球气候变暖的情况，但是他们用于分析气候变化的软件，往往都是些已经有几十年历史的“老古董”了。

这种传统的软件架构很难再引入近年来出现的新方法，对其进行更新。因此，一个研究人员联盟现在正在致力于从零开始，编写一个可以综合利用AI，新的软件工具和NVIDIA GPU的新气候模型。

该项目名为气候建模联盟(Climate Modeling Alliance，简称CLMA)，由众多来自加州理工学院、麻省理工学院、海军研究生院和NASA喷气推进实验室的科学家们所组成。

麻省理工学院海洋学教授、该项目首席研究员Raffaele Ferrari表示：“自上世纪60年代以来，计算机技术已经取得了相当大的进步。相比起那时，我们现在知道的更多，但是当初气候模型刚被开发出来时，很多内容都是以硬编码的形式编码到气候模型中的。”

从头开始建立一个新的气候模型，能够让气候研究人员们更好地考虑小规模的环境特征，包括云层、降雨、海冰和海洋湍流等。

在地理学范畴中，这些变量都太小，无法在气候模型中精确捕捉，但是利用人工智能可以更精准地捕捉到这些变量。与现有模型相比，在新的气候模型中引入人工智能的预测，可以将不确定性减少一半。

该团队正在使用Julia开发新的模型。Julia是麻省理工学院开发的一种编程语言，其倍设计用于并行和分布式计算，它允许科学家使用NVIDIA V100 Tensor核心GPU在本地和谷歌云上加速他们的气候模型计算。

随着项目的进展，研究人员计划使用超级计算机，比如橡树岭国家实验室(Oak Ridge National Labs) 的GPU驱动的Summit系统，以及商业云资源来运行新的气候模型——他们希望在未来五年内运行该模型。

人工智能扭转乾坤

气候学家能够使用物理和热力学方程来计算环境变量(如气温、海平面和降雨量)的演变。但是如果要对整个星球施行这些计算的话，就需要非常高的计算量。因此，在现有的模型中，研究人员以100平方公里为单位，将地球划分为一个剖面网格。

他们独立地计算每100公里的区块，使用数学近似方法来处理较小的地理特征，如海洋中的湍流漩涡和天空中的低洼云 ，这种方法可以测量不到一公里的距离。但是，当将网格串联回一个全局模型时，其输出的结果往往会产生一定的不确定性。

微小的不确定性所产生的影响可能是巨大的，尤其是当气候科学家为政策制定者们估算全球平均气温上升2摄氏度以上需要多少年的时候。根据目前的不确定性水平，研究人员预测，以目前的排放水平来看，这一门槛能会在2040年到2100年之间被突破，精确度仅为60年。

“消除不确定性还存在着巨大的空间，” Ferrari说。“即便只降低一点点的不确定性，就可以收到数万亿美元的社会效益回报。例如，如果人们更清楚降雨模式变化的可能性，那么从土木工程师到农民的每个人都可以预先知道他们可能需要规划的基础设施和实践。”

对海洋数据的深入研究

麻省理工学院的研究人员正在专注于构建CliMA的新气候模型分析海洋元素对气候变化的影响。海洋覆盖了地球表面70%的面积，是主要的热量和二氧化碳储存库。为了做出与海洋相关的气候预测，科学家们研究了水温、盐度和洋流速度等变量。

Ferrari说， “汹涌的水流是一个重要的变量，他们就像许多小风暴一样在海洋中流动。如果你不去计算所有这些漩涡运动，就会严重低估海洋吸收热量和碳的方式。”

使用GPU，研究人员可以将高分辨率模拟的分辨率从100平方公里缩小到1平方公里，极大地减少了不确定性。但这些模拟太过昂贵，无法直接纳入一个展望未来几十年的气候模型。

这就是人工智能模型可以从精细分辨率的海洋和云模拟中学习的地方。

麻省理工学院地球、大气和行星科学系首席研究工程师Chris Hill表示：“我们的目标是以每100×100公里的区块为单位，运行数千个高分辨率模拟，，这样将能够解决当前气候模型没有捕捉到的小规模物理问题。”

这些高分辨率模拟能够产生丰富的合成数据。这些数据可以与更稀疏的真实测量数据相结合，为人工智能模型创建一个完善的训练数据集，该模型可以用于评估海洋湍流和云模式等小规模物理现象对大规模气候变量的影响。

然后，气候研究人员可以将这些人工智能工具插入新的气候模型软件中，提高长期预测的准确性。

Hill说， “我们相信GPU技术可以提高计算性能。”

今年6月，麻省理工学院举办了为期一周的GPU黑客马拉松，Hill的团队以及来自其他大学的研究团队等开发者使用CUDA并行计算平台和Julia编程语言进行海洋建模、等离子体聚变和天体物理学等项目。