中新網(wǎng)北京4月9日電 (記者 孫自法)當(dāng)前,，人工智能(AI)迅速發(fā)展,，已經(jīng)在大氣科學(xué)的各個(gè)領(lǐng)域產(chǎn)生深遠(yuǎn)影響，并且不斷改變和重塑氣候領(lǐng)域諸多方向的研究,。在此條件下,，如何結(jié)合AI方法來(lái)幫助解決傳統(tǒng)氣候研究中遇到的問(wèn)題,，又該如何結(jié)合氣候動(dòng)力研究幫助診斷、認(rèn)識(shí)和理解AI模型,，提升AI模型的性能,，這些問(wèn)題備受關(guān)注。《大氣科學(xué)進(jìn)展》(AAS)最新一期AI?？饷妗Ｖ袊?guó)科學(xué)院大氣物理研究所/供圖中國(guó)科學(xué)院大氣物理研究所研究員,、大氣科學(xué)人工智能研究中心主任黃剛率團(tuán)隊(duì)進(jìn)行研究,，獲得提出物理和AI融合的必要性及路徑、生成模型改進(jìn)氣候模式對(duì)厄爾尼諾-南方濤動(dòng)(ENSO)的模擬,、物理耦合提升深度學(xué)習(xí)降水預(yù)報(bào)技巧等重要進(jìn)展,，相關(guān)研究成果以封面論文形式在最新一期專業(yè)學(xué)術(shù)期刊《大氣科學(xué)進(jìn)展》(AAS)上發(fā)表。未來(lái)氣候模式或?yàn)锳I和數(shù)值完全耦合論文通訊作者黃剛研究員介紹說(shuō),，盤(pán)古等氣象大模型出現(xiàn)以來(lái),，針對(duì)其物理一致性問(wèn)題，科學(xué)界存在較大爭(zhēng)論,，科研團(tuán)隊(duì)對(duì)這一爭(zhēng)論進(jìn)行了梳理,，發(fā)現(xiàn)爭(zhēng)論主要來(lái)自于對(duì)天氣大模型定性和定量?jī)煞N不同程度的動(dòng)力診斷。這些研究表明,，天氣大模型可以定性地學(xué)習(xí)到氣候系統(tǒng)的一些關(guān)鍵動(dòng)力模態(tài),，但是對(duì)于一些關(guān)鍵物理動(dòng)力量(如一些風(fēng)分量)在定量上仍然存在明顯誤差。他們認(rèn)為,，這些誤差主要因?yàn)槟壳暗奶鞖獯竽Ｐ筒⑽达@式地學(xué)習(xí)這些風(fēng)分量,，而是根據(jù)總的風(fēng)速去構(gòu)造損失函數(shù)迭代模型,。由此可以看出，對(duì)AI模型進(jìn)行充分,、深入地動(dòng)力診斷的必要性,，只有比較全面地分析和了解模型的優(yōu)缺點(diǎn)，才能逐步對(duì)其增加認(rèn)識(shí),，進(jìn)而進(jìn)行改進(jìn)和物理約束,。從這一角度出發(fā)，科研團(tuán)隊(duì)結(jié)合具體的研究分析應(yīng)該如何對(duì)AI模型(尤其是AI氣候模型)進(jìn)行動(dòng)力診斷,，以及如何利用物理約束來(lái)提高模型能力和物理一致性,。AI-數(shù)值模式雙向耦合示意,。中國(guó)科學(xué)院大氣物理研究所/供圖同時(shí),，針對(duì)數(shù)值模式和AI的融合問(wèn)題，科研團(tuán)隊(duì)認(rèn)為,，目前的離線參數(shù)化方案追求的是模型權(quán)重在某一參數(shù)化方案中的最優(yōu),，相較于模式繁多的參數(shù)化方案而言，這很可能是一種局部最優(yōu),，不僅在擬合優(yōu)度上可能存在偏差,，在實(shí)際工程上還可能存在長(zhǎng)期積分崩潰、氣候漂移等問(wèn)題,。因此,，采用在線參數(shù)化方案，或可使得模型權(quán)重達(dá)到全局最優(yōu),，進(jìn)行改進(jìn)離線參數(shù)化存在的一些問(wèn)題,。在這一視角之下，未來(lái)氣候模式的發(fā)展圖景或許是AI和數(shù)值模式的完全耦合,，即物理-AI平衡的模型,。這種耦合模式可以根據(jù)模式輸出計(jì)算損失，進(jìn)而迭代優(yōu)化,，變?yōu)橐环N可學(xué)習(xí)的氣候模式,。生成模型改進(jìn)氣候模式對(duì)ENSO的模擬黃剛指出，近年來(lái),，科研團(tuán)隊(duì)通過(guò)能量機(jī)制較為系統(tǒng)分析ENSO熱帶,、熱帶外遙相關(guān)的機(jī)制，并通過(guò)非線性能量平流過(guò)程描述ENSO緯向?qū)ΨQ響應(yīng)和非對(duì)稱響應(yīng)的相互作用,，從熱帶外非線性相互作用角度較好地解釋了ENSO激發(fā)的太平洋-北美型(PNA)遙相關(guān)的非對(duì)稱性特征,。CyleGAN全球SST校正模型,。中國(guó)科學(xué)院大氣物理研究所/供圖不過(guò),，氣候模式對(duì)于ENSO遙相關(guān)的模擬偏差仍然難以解決,，這直接影響了未來(lái)預(yù)估的可靠性。他們前期研究發(fā)現(xiàn)ENSO衰退年夏季的西北太平洋異常反氣旋主要誤差來(lái)源是ENSO模擬的誤差,，ENSO海表面溫度(SST)異常過(guò)度西伸的偏差通過(guò)影響ENSO的衰退,，顯著影響西北太平洋異常反氣旋和東亞夏季風(fēng)模擬，嚴(yán)重制約了氣候模擬和氣候預(yù)估的可靠性,。針對(duì)這一問(wèn)題,，科研團(tuán)隊(duì)基于循環(huán)一致生成對(duì)抗網(wǎng)絡(luò)設(shè)計(jì)全球SST模擬校正模型，生成模型解決了由于內(nèi)部變率導(dǎo)致的模式模擬結(jié)果與觀測(cè)數(shù)據(jù)不一一對(duì)應(yīng)的問(wèn)題,。研究結(jié)果表明,，該模型不僅能校正氣候態(tài)偏差，還能顯著改進(jìn)對(duì)ENSO,、印度洋偶極子(IOD)等動(dòng)力模態(tài)的模擬,，顯著減弱了ENSO SST異常過(guò)度西伸的偏差，而傳統(tǒng)方法很難糾正這一模式共同偏差,。ENSO　SST異常分布。(a)觀測(cè),；(b)CESM2歷史模擬,；(c)quantile　map校正結(jié)果；(d)CycleGAN校正結(jié)果,。中國(guó)科學(xué)院大氣物理研究所/供圖未來(lái),，基于類似的生成模型及其改進(jìn)模型，有望進(jìn)一步提高ENSO衰退年夏季西北太平洋異常反氣旋和東亞夏季風(fēng)的模擬,，增加未來(lái)預(yù)估的可靠性。物理耦合提升深度學(xué)習(xí)降水預(yù)報(bào)技巧黃剛表示,，針對(duì)物理知識(shí)是否可以提升AI模型效果這一問(wèn)題,，科研團(tuán)隊(duì)通過(guò)降水預(yù)報(bào)這一問(wèn)題進(jìn)行嘗試性回答。他們從物理變量耦合關(guān)系角度出發(fā),，結(jié)合圖神經(jīng)網(wǎng)絡(luò)對(duì)多變量進(jìn)行物理軟約束,，并發(fā)現(xiàn)這一方法可以提升數(shù)值模式的降水預(yù)報(bào)技巧。針對(duì)降水預(yù)報(bào)的難點(diǎn)問(wèn)題,，尤其是強(qiáng)降水的預(yù)報(bào)問(wèn)題,，科研團(tuán)隊(duì)從降水的影響要素和發(fā)生機(jī)制出發(fā)，結(jié)合垂直運(yùn)動(dòng)(omega)方程和水汽方程等進(jìn)行變量篩選,、構(gòu)建變量耦合圖網(wǎng)絡(luò),。Omega方程和水汽方程分別描述了垂直運(yùn)動(dòng)和水汽變化，均為影響降水的重要因素,。物理約束的omega-GNN模型,。中國(guó)科學(xué)院大氣物理研究所/供圖從圖網(wǎng)絡(luò)的角度來(lái)看，omega方程反映了基本的物理量(溫,、風(fēng),、濕等)的非線性組合與降水關(guān)鍵要素之間的關(guān)系，因而可將其抽象為圖網(wǎng)絡(luò),，通過(guò)圖網(wǎng)絡(luò)間變量(節(jié)點(diǎn))和變量間關(guān)系來(lái)表征不同物理變量間的組合及耦合,。同時(shí)，考慮到氣候因子對(duì)于天氣尺度的影響,，尤其是不同氣候背景下模式誤差系統(tǒng)性的差異,，本項(xiàng)研究將季節(jié)、ENSO等氣候因子和起報(bào)時(shí)間等稀疏數(shù)據(jù)使用專門(mén)技術(shù)嵌入校正模型,，以區(qū)分不同背景下的誤差,；針對(duì)降水過(guò)程，對(duì)圖神經(jīng)網(wǎng)絡(luò)進(jìn)行局地化改進(jìn),，使其基本保持效果的同時(shí),，避免全局運(yùn)算，大幅降低計(jì)算復(fù)雜度,。模型比對(duì)結(jié)果表明,，本項(xiàng)研究提出的兩個(gè)物理約束模型omega-GNN和omega-EGNN相較于數(shù)值模式，顯著提升各分類降水預(yù)報(bào)技巧,，同時(shí)其性能優(yōu)于目前主流的無(wú)物理約束深度學(xué)習(xí)模型,。各模型(a)TS評(píng)分,，(b-g)相對(duì)于數(shù)值模式的TS差值空間分布(20mm/6h閾值以上降水),；(a)中error　bar為集合間標(biāo)準(zhǔn)差。中國(guó)科學(xué)院大氣物理研究所/供圖黃剛總結(jié)說(shuō),，人工智能與氣候,、氣象交叉研究的方向十分廣泛，幾乎覆蓋目前最主要的天氣氣候領(lǐng)域,。同時(shí),，人工智能的發(fā)展非常迅速，迭代極快,。因此,，人工智能和氣候科學(xué)研究的結(jié)合，需要不同學(xué)科眾多方向研究者共同努力,，推動(dòng)在不同方向上“開(kāi)花結(jié)果”,。(完)