清远特产

我们经常听到气候变化将如何改变陆地、海洋和冰川。但它会如何影响云呢?

加州大学欧文分校地球系统科学教授迈克尔·普里查德(Michael Pritchard)说:“低空的云层可能会像冰盖一样干涸收缩。”“或者它们可以变厚，变得更反光。”

这两种情况将导致非常不同的未来气候。普理查德说，这就是问题的一部分。

“如果你问两个不同的气候模型，当我们增加更多的二氧化碳时，未来会是什么样子，你会得到两个非常不同的答案。这其中的关键原因是云被纳入气候模型的方式。”

没有人否认云和气溶胶(形成云滴核的烟灰和灰尘)是气候方程的重要组成部分。问题是，这些现象发生在一个长度和时间尺度上，今天的模型无法接近再现。因此，它们通过各种近似被包含在模型中。

对全球气候模式的分析一致表明，云构成了不确定性和不稳定性的最大来源。

重组社会规范

尽管美国最先进的全球气候模型难以达到4公里的全球分辨率，但普里查德估计，模型需要至少100米的分辨率才能捕捉到形成浅层云系统的精细尺度的湍流涡流——在每个方向上的分辨率都要高出40倍。根据摩尔定律，可能要到2060年，才能有计算能力捕捉到这种级别的细节。

普里查德正致力于通过将气候建模问题分成两部分来解决这一明显的差距:一个粗粒度的、分辨率较低(100公里)的行星模型，以及许多分辨率为100到200米的小补丁。两个模拟独立运行，然后每30分钟交换一次数据，以确保模拟不会偏离轨道或变得不现实沙冰怎么做。

他的团队在2022年4月的《地球系统建模进展杂志》上报告了这些努力的结果。

这种气候模拟方法被称为“多尺度建模框架(MMF)”，自2000年以来一直是国家大气研究中心开发的社区地球系统模型(CESM)模型的一种选择。最近，这个想法在能源部得到了复兴，能源百亿亿次地球系统模型(E3SM)的研究人员将其推向新的计算前沿，作为百亿亿次计算项目的一部分。来自劳伦斯·利弗莫尔国家实验室的普理查德的合著者沃尔特·汉娜帮助领导了这项工作。

普里查德解释说:“这个模型绕过了最难的问题——整个行星建模。”“它有成千上万的小微模型，可以捕捉到真实的浅层云形成，只有在非常高的分辨率下才会出现。”

电影排行榜2012美国能源部能源百亿亿次地球系统模型(E3SM)项目的首席计算科学家、桑迪亚国家实验室的研究科学家马克·泰勒(Mark Taylor)说:“多尺度建模框架方法对于能源部即将推出的基于gpu的百亿亿次计算机也是理想的。”“每个GPU都有能力运行数百个微模型，同时仍然匹配粗粒度低分辨率行星模型的吞吐量。”

普里查德的研究和新方法在一定程度上是由美国国家科学基金会资助的德克萨斯州高级计算中心(TACC)的Frontera超级计算机实现的。普里僵尸电影大全 查德是世界上最快的大学超级计算机，他可以在Frontera上运行他的模型，其时间和长度范围只能在美国的少数几个系统上运行，并测试它们在云建模方面的潜力。

该团队写道:“我们为超级计算机开发了一种方法，可以最好地分散模拟世界上不同地方的云物理的工作，这些地方应该有不同的分辨率……这样它运行得更快。”

用这种方式模拟大气给普里查德提供了捕捉云形成过程中涉及的物理过程和湍流涡流所需的分辨率。研究人员表明，即使使用不同的云分解网格结构的补丁相遇，多模型方法也不会产生不必要的副作用。

“我们很高兴看到差异很小，”他说。“这将为气候模型的所有用户提供新的灵活性，他们希望在不同的地方聚焦高分辨率。”

分离和重新连接CESM模型的不同尺度是普理查德团队克服的一个挑战。另一种方法是对模型进行重新编程，使其能够利用现代超级计算系统中不断增加的处理器数量。

装修工具Pritchard和他的团队——uci博士后学者Liran Peng和华盛顿大学研究科学家Peter bloseey——解决了这个问题，他们将CESM的嵌入式云模型的内部域分解成更小的部分，这些部分可以通过MPI(消息传递接口，一种在分布式内存上运行并行程序的多台计算机之间交换消息的方式)并行解决，并将这些计算组合起来使用更多的处理器。

这样做似乎已经提供了四倍的速度，而且效率很高。这意味着，对于我的云解析模型，我可以有四倍的雄心。”他说。“我雅漾理肤泉非常乐观地认为，这种区域化和MPI分解的梦想将带来一个完全不同的可能性。”

机器学习云

普理查德在机器学习领域看到了另一种有前景的方法，他的团队自2017年以来一直在探索这一方法。普里查德说:“一组愚蠢的神经元可以如此出色地重现这些偏微分方程，这让我非常激动。”

普理查德的研究和新方法在一定程度上是由TACC的美国国家科学基金会资助的Frontera超级计算机实现的。普里查德是世界上最快的大学超级计算机，他可以一次在Frontera上运行他的模型，长度范围只能在美国的少数几个系统上运行，并测试它们在云建模方面的潜力。

在去年秋天提交的一篇论文中，普里查德、UCI的首席作者汤姆·博克勒(Tom Beucler)和其他人描述了一种机器学习方法，它可以成功预测大气状况，即使在没有经过训练的气候制度下，其他人也很难做到这一点。

这种“西北的旅游景点气候不变”模型将气候过程的物理知识纳入机器学习算法。他们的研究使用了TACC的stampeder2、国家大气研究中心的Cheyenne和圣地亚哥超级计算机中心的Expanse，结果表明机器学习方法可以在不同的气候和地理环境中保持高度的准确性。

普里查德说:“如果机器学习高分辨率云物理取得成功，它将改变我们进行气候模拟的所有方式。”“我感兴趣的是，机器学习方法在复杂环境中如何可重复和可靠地成功。”

石家庄婚纱照哪拍的好普理查德在这方面处于有利地位。他是美国国家科学基金会(NSF)人工智能和物理研究地球中心(leap)的执行委员会成员，该中心是一个新的科学技术中心，由他在该主题上的长期合作伙伴Pierre Gentine教授指导，由NSF于2021年资助。LEAP汇集了气候和数据科学家，以缩小气候建模的不确定性范围，提供更精确和可操作的气候预测，从而产生直接的社会影响。

“我之前做的所有研究都是‘吞吐量有限’。”普里查德说。“我的工作是制作10到100年的模拟。这限制了我所有的网格选择。然而，如果目标是生成简短的模拟来训练机器学习模型，那就是另一回事了。”

普里查德希望很快就能利用他的50米嵌入式模型的结果，开始建立一个大型训练库。“这是一个用于机器学习的非常好的数据集。”

但人工智能会足够快地成熟吗?时间是找出云的命运的关键。

南宁特色美食排行榜

“如果这些云像冰盖一样萎缩，露出更暗的表面，将放大全球变暖及其带来的所有危险。但如果它们与冰盖相反，变厚，这是可以做到的，那就没有那么危险。一些人估计这是一个价值数万亿美元的社会问题。这是一个长期存在的问题，”普理查德说。

一个接一个的模拟，联邦资助的超级计算机正在帮助普理查德和其他人找到这个关键问题的答案。

普里查德说:“我左右为难，一方面要真诚地感谢美国国家计算基础设施，它在帮助我们开发和运行气候模型方面发挥了不可思议的作用，另一方面又觉得我们需要像曼哈顿计划(Manhattan 艾莱依羽绒服官方旗舰店 Project)那样的新联邦资金和跨部门协调，才能真正解决这个问题。”

---

人工智能加速了气候计算

---

更多信息:
彭丽然等，负载平衡强物理计算嵌入区域 E3SM和CESM气候模式的定量化高分辨率云分辨模式， 地球系统建模进展杂志 (2022). DOI: 10.1029/2021MS002841

所提供的
德州高级计算中心

引文:无云的未来?气候预测(2022年，5月31日)的核心之谜于202网店推荐2年5月31日从https://phys.org/news/2022-05-cloudless-future-mystery-heart-climate.html检索

本文件受版权保护。除了出于个人学习或研究目的的任何公平交易外，未经书面许可，任何部分不得转载。本内容仅供参考之用。