近日，谷歌在顶级期刊《自然》上发布了一篇研究论文，推出名为 NeuralGCM 的新型天气预报 AI 模型。该模型巧妙地将机器学习与传统物理方法相结合，旨在为天气预报领域带来实质性的突破。

与纯依赖机器学习“暴力计算”的天气预报模型相比，NeuralGCM 的核心优势在于：运行成本显著降低，同时在 1 至 10 天的中期预报中，预测准确度反而更高。从经济性角度来看，这无疑是一个极具吸引力的解决方案。

该研究的共同作者、谷歌研究院的斯蒂芬·霍耶尔（Stephen Hoyer）指出，NeuralGCM 模型已开源——这意味着研究人员甚至可以在自己的笔记本电脑上相对快速地运行。这一低门槛特性，使得众多中小型气象机构和独立研究者能够轻松应用这一先进模型。

NeuralGCM 的研发团队堪称豪华阵容，汇聚了谷歌研究院、谷歌 DeepMind、麻省理工学院、哈佛大学以及欧洲中期天气预报中心。科学家们将机器学习、神经网络与经典大气物理方程深度融合。其训练模式具体如下：

• 以大脑神经元结构为参考，利用过去数十年的历史天气数据对模型进行训练。

• 同时采用物理方程刻画大尺度天气模式——实质上是通过全球环流模型（物理密集型方法）与人工智能驱动任务相结合的方式。

• 保留部分大尺度物理规则，同时利用人工智能替代传统建模中的某些环节。

结果不出所料：该模型以更少的计算资源，实现了更快的预测速度并保持高质量。研究团队表示，NeuralGCM 在 1 至 15 天的预报准确度上，与欧洲中期天气预报中心（ECMWF）的现有业务系统不相上下。这一对比极具分量，因为 ECMWF 长期以来一直被公认为全球数值天气预报的权威标杆。

参考资料：

• Neural general circulation models for weather and climate

• New Google AI weather and climate model improves accuracy

• Google’s new weather prediction system combines AI with traditional physics