Ai2与Google联手打造NeuralGCM+：把大气和海洋放进同一个开源气候模型，瞄准未来数十年的区域降水

Ai2启动一项新的气候建模计划，开发开源模型NeuralGCM+，把模拟范围从大气扩展到大气与海洋、海冰的耦合系统，用于数年到数十年尺度的气候趋势，例如美国西南部到本世纪中叶的降水和可用水量变化。 Google Research原有的NeuralGCM只模拟大气，用物理方程处理大尺度动力、用AI表示云形成和降雨等小尺度过程；Google Research此后把它用于数周到数月的近期预报，而Ai2转向年代际气候趋势。 Google Research的NeuralGCM在一个公开基准上，其大气单层版本用单块TPU八分钟模拟出全球一年的天气状况，说明这类混合模型具备快速模拟的潜力。

NeuralGCM+的AI部分只负责大气垂直切片内的局地过程，而不是像Ai2的ACE模型那样整体学习大气状态如何演变。 ACE2在一项研究中完成海洋温度型态对气候影响的实验，比它所模仿的传统大气模型快约100倍，但以传统气候模式模拟训练的ACE会继承这些模式的局限，只用历史数据训练的版本又难以可靠外推尚未经历的未来气候。 NeuralGCM的混合设计把学习问题简化到局地过程，可能有助于在气候变暖时泛化；该计划沿三条线推进：耦合海洋与海冰、加入更多成熟物理并检验模型在训练未见的更暖气候下对温度和降水的再现、以及发布带文档工作流的模型和框架并改进常用GPU上的性能。

这则消息描述的是Ai2在Google.org三年资助下启动的计划，NeuralGCM+尚在开发中，文中没有给出该模型自身的模拟结果。已展示的能力来自Google Research的NeuralGCM大气单层版本在公开基准上的表现，以及Ai2的ACE2在海洋温度型态影响实验上比所模仿的传统大气模型快约100倍。

文中明确表示，展示可靠的未来气候预估仍是核心研究任务；只用历史数据训练的模型难以对尚未经历的未来气候做出可靠预估，而以传统气候模式模拟训练的ACE会继承这些模式的局限。耦合海洋与海冰后能否得到跨越数十年的稳定模拟，以及模型在训练未见的更暖气候下对温度和降水的再现程度，都还是待检验的目标。