中国经济网版权所有
中国经济网新媒体矩阵
网络广播视听节目许可证（0107190）（京ICP040090）
◎本报记者 金峰 自古以来，“天气变幻莫测”是人们对于天气最无奈的悲痛。然而，人工智能技术的快速发展给科学家带来了更加准确的天气和气候预测的前景。 “我们期望人工智能模型在时间和空间分辨率方面能够媲美甚至超越物理模型。” 10月22日，在江苏南京举行的中国气象学会第36届年会上，中国科学院院士、复旦大学特聘教授穆穆在会议报告中指出，当前，天气气候事件预报研究重点是阐明预报不确定性的成因和机制，模型可以提供帮助。在本次年会上，众多学者学者就人工智能时代的天气气候预测、气象领域的高性能计算、风暴预报新技术等前沿话题进行了交流。人工智能是该主题的高频词。具备诸多优势，大型AI模型展现潜力 盘古、凤舞、伏羲……在我国，带有中国传统文化印记的大型AI模型正在台风预报、短期气候预报等领域帮助人们提高天气预报的准确性和效率。 “利用人工智能技术对各种天气气候事件进行建模和估计已逐渐成为研究热点。”穆穆认为，利用大尺度气象模型进行预测研究既是机遇，也是挑战。 “大规模气象AI模型根据使用需求进行预测研究。”穆穆说这为大规模模型的应用提供了机会。在人工智能的帮助下，科学家和气象学家“破译”了气候变化的许多谜团。穆穆介绍，针对被称为“全球气候转换”的厄尔尼诺-南方涛动（ENSO）现象，有学者构建了基于Transformer架构的AI模型（一种深度学习模型）。预测时间超过18个月，比传统的动态模型要长。在今年8月大西洋飓风预报中，大型模型和动态数值预报的结果越来越相似，对风暴位置的判断也几乎一致。 MU MU团队还利用大尺度模型，通过海面温度和沿海风场数据寻找中西太平洋ENSO敏感区域。在南海黑潮入侵预测中，他们通过优化预测，找到了目标敏感观测区。大型模型的 e 模块。在中国气象局上海台风研究所所长于辉看来：“全球人工智能天气预报模型的台风轨迹预报也比传统的全球天气预报模型具有明显的优势。”今年8月，预报所团队启动了基于高分辨率台风再分析数据的训练——上海台风智能模型1.0版。该模型提高了台风预报的公里级分辨率，并将预报时间从以往传统预报模型的64分钟压缩到3分钟。人工智能与传统解决方案的融合，打破了计算精度的瓶颈。面对快速变化的时代，AI的预测能力也需要迭代。穆穆认为，目前大尺度气象模型的研发还存在两大不足。 “洛大模型的gic运算就是喂数据、输出数据，但目前还不清楚预测结果的物理机制是什么。穆穆也举了一个例子。在国外研究团队进行的一项研究中，气象数据驱动的AI模型不再观察到传统数值模型常见的“蝴蝶效应”。穆穆分析，这应该归因于AI模型的时空分辨率较低，以及小扰动的大小与训练集的原始大小不匹配。顺便说一句，在中国工程院院士、清华大学教授郑为民看来，人工智能仍然无法解决精确计算的问题。人工智能的阴暗面可以通过高性能计算 (HPC) 来实现。 “新一代的天气预报一定是HPC和AI的结合，需要利用多种类型的超级计算，将AI与传统深度融合。郑为民表示，地球系统数值模拟是科学家用来模拟世界现状、预测未来气候变化的科学计算解决方案，突破计算精度瓶颈，全面提升计算的整体性能。郑为民表示，算力推动了地球系统模拟精度的进化，开展地球系统模拟研究，也对高性能计算提出了更高的期望。 为民建议，未来应该建立异构、多核的超级计算系统。面对海量计算，数千万核并行将是地球系统模拟的重要能力。同时，还需要建立高内存、大带宽的超级计算系统，协同设计计算硬件和算法，将低精度和兆级计算有效结合起来。 计算精度高。
