最近，谷歌在天氣預報領域取得了一項驚人的突破。他們開發(fā)了一種名為 NeuralGCM 的新型大氣環(huán)流模型，這個模型的計算效率比傳統(tǒng)的物理模型高出整整10萬倍，相當于過去25年的高性能計算進步速度。

　　通過結合機器學習和物理建模，NeuralGCM 在模擬地球大氣方面表現得既快速又精準。這項研究的成果也發(fā)表在了國際頂級期刊《Nature》上，備受矚目。

　　谷歌 CEO 在社交媒體上宣布了這一成果，并指出 NeuralGCM 將為科學家提供一個全新的氣候變化預測工具。這在全球氣溫急劇上升的當下，幫助研究者了解氣候變化對不同地區(qū)的影響，像是哪些地區(qū)可能遭遇長期干旱，或是沿海地區(qū)面臨的洪水風險。

　　傳統(tǒng)的天氣預報模型通常依賴于物理定律，將地球分成邊長50到100公里的立方體，計算這些區(qū)域內的天氣變化。然而，這種方法因為尺寸過大，很多重要的氣候過程被忽略了。與之不同的是，NeuralGCM 利用神經網絡，從已有的數據中學習小尺度天氣事件的物理原理，大幅提升了模擬的準確性。

　　NeuralGCM 通過對1979年至2019年的天氣數據進行訓練，展現出在2到15天內的天氣預報準確性超越現有最先進的物理模型。在氣候預測方面，NeuralGCM 的表現也相當亮眼，尤其是在溫度預報上，其誤差僅為傳統(tǒng)模型的三分之一。

　　此外，NeuralGCM 在運行速度和計算成本上都極為高效，與傳統(tǒng)模型相比，速度快了3500倍，計算成本比X-SHiELD低了10萬倍，只需普通計算機就能運行。

　　NeuralGCM 的推出標志著氣候建模領域的一次重大飛躍，不僅為未來的天氣預報提供了新的可能性，也讓我們對氣候變化的研究有了更強有力的支持。