AI驱动的气候模型：通过ClimSim-Online革新气候预测
realtime news Jul 10, 2025 14:03
NVIDIA推出ClimSim-Online，这一AI驱动的框架通过将机器学习与传统气候模拟器相结合，革新了气候建模，提高了气候预测的速度和准确性。
对于气候科学来说，NVIDIA与国际气候模型研究者合作，推出了ClimSim-Online，这一突破性框架将机器学习与传统的气候模拟相结合。根据NVIDIA的博客，这种创新方法有望提高气候预测的速度和准确性，这是理解和缓解气候变化影响竞赛中的关键进展。
推进气候模拟
传统的气候模拟器由于计算限制，常常难以捕捉雷暴等小尺度过程。为了解决这个问题，科学家们使用云解析模型（CRM），虽然详细，但计算成本高昂。ClimSim-Online通过将这些详细模拟中的见解提炼成一个运行速度明显更快而不牺牲准确性的机器学习模型，从而提供了解决方案。
ClimSim-Online：一种混合方法
由NVIDIA的Earth 2开发，并由哥伦比亚大学的国家科学基金会资助中心支持的ClimSim-Online利用了屡获殊荣的ClimSim数据集。这个数据集托管在ClimSim Hugging Face仓库中，使用了能量百亿亿次超级计算地球系统模型-多尺度建模框架（E3SM-MMF）创建。该框架在主气候模型中嵌入了成千上万个本地化的CRM，减少了对细尺度物理的假设。
机器学习的集成
ClimSim-Online使机器学习模型能够集成到气候模拟器中，提供了一种可复制的、容器化的工作流。这允许科学家绕过传统的计算障碍，使混合气候建模可以为更广泛的受众所用。用户可以在各种平台上部署他们训练的ML模型，包括本地工作站、高性能计算集群和云虚拟机。
气候建模的突破
该框架已经促成了一场全球Kaggle竞赛，吸引了超过460个团队使用高保真气候数据集开发机器学习解决方案。这一协作努力加速了气候建模的进展，使得使用在ClimSim数据集上训练的U-Net神经网络开发出稳定的多年混合模拟成为可能。
物理信息机器学习
为了确保这些模拟的准确性和稳定性，NVIDIA将微物理约束直接融入神经网络架构。这一方法阻止了不现实的云行为并稳定了模拟，特别是在热带地区，提高了云气候学的真实性。
ClimSim-Online在气候科学中代表了向前迈出的重要一步，降低了AI研究人员和气候科学家之间协作的门槛。虽然该框架已经展示出其潜力，但仍需进行持续研究以进一步减少混合建模的偏差，探索诸如强化学习等新解决方案，以提高气候模拟的准确性。
Image source: Shutterstock.jpg)
