氣候?qū)＜覀円恢敝铝τ陬A(yù)測(cè)未來(lái)幾十年內(nèi)全球氣候變暖的情況，但是他們用于分析氣候變化的軟件，往往都是些已經(jīng)有幾十年歷史的“老古董”了。

這種傳統(tǒng)的軟件架構(gòu)很難再引入近年來(lái)出現(xiàn)的新方法，對(duì)其進(jìn)行更新。因此，一個(gè)研究人員聯(lián)盟現(xiàn)在正在致力于從零開始，編寫一個(gè)可以綜合利用AI，新的軟件工具和NVIDIA GPU的新氣候模型。

該項(xiàng)目名為氣候建模聯(lián)盟(Climate Modeling Alliance，簡(jiǎn)稱CLMA)，由眾多來(lái)自加州理工學(xué)院、麻省理工學(xué)院、海軍研究生院和NASA噴氣推進(jìn)實(shí)驗(yàn)室的科學(xué)家們所組成。

麻省理工學(xué)院海洋學(xué)教授、該項(xiàng)目首席研究員Raffaele Ferrari表示：“自上世紀(jì)60年代以來(lái)，計(jì)算機(jī)技術(shù)已經(jīng)取得了相當(dāng)大的進(jìn)步。相比起那時(shí)，我們現(xiàn)在知道的更多，但是當(dāng)初氣候模型剛被開發(fā)出來(lái)時(shí)，很多內(nèi)容都是以硬編碼的形式編碼到氣候模型中的。”

從頭開始建立一個(gè)新的氣候模型，能夠讓氣候研究人員們更好地考慮小規(guī)模的環(huán)境特征，包括云層、降雨、海冰和海洋湍流等。

在地理學(xué)范疇中，這些變量都太小，無(wú)法在氣候模型中精確捕捉，但是利用人工智能可以更精準(zhǔn)地捕捉到這些變量。與現(xiàn)有模型相比，在新的氣候模型中引入人工智能的預(yù)測(cè)，可以將不確定性減少一半。

該團(tuán)隊(duì)正在使用Julia開發(fā)新的模型。Julia是麻省理工學(xué)院開發(fā)的一種編程語(yǔ)言，其倍設(shè)計(jì)用于并行和分布式計(jì)算，它允許科學(xué)家使用NVIDIA V100 Tensor核心GPU在本地和谷歌云上加速他們的氣候模型計(jì)算。

隨著項(xiàng)目的進(jìn)展，研究人員計(jì)劃使用超級(jí)計(jì)算機(jī)，比如橡樹嶺國(guó)家實(shí)驗(yàn)室(Oak Ridge National Labs) 的GPU驅(qū)動(dòng)的Summit系統(tǒng)，以及商業(yè)云資源來(lái)運(yùn)行新的氣候模型——他們希望在未來(lái)五年內(nèi)運(yùn)行該模型。

人工智能扭轉(zhuǎn)乾坤

氣候?qū)W家能夠使用物理和熱力學(xué)方程來(lái)計(jì)算環(huán)境變量(如氣溫、海平面和降雨量)的演變。但是如果要對(duì)整個(gè)星球施行這些計(jì)算的話，就需要非常高的計(jì)算量。因此，在現(xiàn)有的模型中，研究人員以100平方公里為單位，將地球劃分為一個(gè)剖面網(wǎng)格。

他們獨(dú)立地計(jì)算每100公里的區(qū)塊，使用數(shù)學(xué)近似方法來(lái)處理較小的地理特征，如海洋中的湍流漩渦和天空中的低洼云 ，這種方法可以測(cè)量不到一公里的距離。但是，當(dāng)將網(wǎng)格串聯(lián)回一個(gè)全局模型時(shí)，其輸出的結(jié)果往往會(huì)產(chǎn)生一定的不確定性。

微小的不確定性所產(chǎn)生的影響可能是巨大的，尤其是當(dāng)氣候科學(xué)家為政策制定者們估算全球平均氣溫上升2攝氏度以上需要多少年的時(shí)候。根據(jù)目前的不確定性水平，研究人員預(yù)測(cè)，以目前的排放水平來(lái)看，這一門檻能會(huì)在2040年到2100年之間被突破，精確度僅為60年。

“消除不確定性還存在著巨大的空間，” Ferrari說。“即便只降低一點(diǎn)點(diǎn)的不確定性，就可以收到數(shù)萬(wàn)億美元的社會(huì)效益回報(bào)。例如，如果人們更清楚降雨模式變化的可能性，那么從土木工程師到農(nóng)民的每個(gè)人都可以預(yù)先知道他們可能需要規(guī)劃的基礎(chǔ)設(shè)施和實(shí)踐。”

對(duì)海洋數(shù)據(jù)的深入研究

麻省理工學(xué)院的研究人員正在專注于構(gòu)建CliMA的新氣候模型分析海洋元素對(duì)氣候變化的影響。海洋覆蓋了地球表面70%的面積，是主要的熱量和二氧化碳儲(chǔ)存庫(kù)。為了做出與海洋相關(guān)的氣候預(yù)測(cè)，科學(xué)家們研究了水溫、鹽度和洋流速度等變量。

Ferrari說， “洶涌的水流是一個(gè)重要的變量，他們就像許多小風(fēng)暴一樣在海洋中流動(dòng)。如果你不去計(jì)算所有這些漩渦運(yùn)動(dòng)，就會(huì)嚴(yán)重低估海洋吸收熱量和碳的方式。”

使用GPU，研究人員可以將高分辨率模擬的分辨率從100平方公里縮小到1平方公里，極大地減少了不確定性。但這些模擬太過昂貴，無(wú)法直接納入一個(gè)展望未來(lái)幾十年的氣候模型。

這就是人工智能模型可以從精細(xì)分辨率的海洋和云模擬中學(xué)習(xí)的地方。

麻省理工學(xué)院地球、大氣和行星科學(xué)系首席研究工程師Chris Hill表示：“我們的目標(biāo)是以每100×100公里的區(qū)塊為單位，運(yùn)行數(shù)千個(gè)高分辨率模擬，，這樣將能夠解決當(dāng)前氣候模型沒有捕捉到的小規(guī)模物理問題。”

這些高分辨率模擬能夠產(chǎn)生豐富的合成數(shù)據(jù)。這些數(shù)據(jù)可以與更稀疏的真實(shí)測(cè)量數(shù)據(jù)相結(jié)合，為人工智能模型創(chuàng)建一個(gè)完善的訓(xùn)練數(shù)據(jù)集，該模型可以用于評(píng)估海洋湍流和云模式等小規(guī)模物理現(xiàn)象對(duì)大規(guī)模氣候變量的影響。

然后，氣候研究人員可以將這些人工智能工具插入新的氣候模型軟件中，提高長(zhǎng)期預(yù)測(cè)的準(zhǔn)確性。

Hill說， “我們相信GPU技術(shù)可以提高計(jì)算性能。”

今年6月，麻省理工學(xué)院舉辦了為期一周的GPU黑客馬拉松，Hill的團(tuán)隊(duì)以及來(lái)自其他大學(xué)的研究團(tuán)隊(duì)等開發(fā)者使用CUDA并行計(jì)算平臺(tái)和Julia編程語(yǔ)言進(jìn)行海洋建模、等離子體聚變和天體物理學(xué)等項(xiàng)目。