气候模型的这一最新进展可能大幅提高气候预测和天气预报的准确性。
（图片来源：Getty Images）
研究人员利用深度学习，以前所未有的精度建模模拟大气中的冰晶是如何形成的。该论文本周发表在 PNAS 上，表明这有可能大幅提高天气和气候预报的准确性。
研究人员使用深度学习的方式是去预测原子和分子的行为方式。首先，他们通过小规模模拟64个水分子的活动对模型进行了训练，以帮助他们预测原子中的电子是如何互动的。随后，再利用这些模型在更大的尺度上复现这些互动，模拟更多的原子和分子。正是这种精确模拟电子相互作用的能力，使得该团队能够准确地预测物理和化学上的行为。
“深度学习”入选2013年《麻省理工科技评论》
“全球十大突破性技术”
“物质的属性源自于电子的行为方式”，普林斯顿大学研究员、该研究的主要作者 Pablo Piaggi 表示，“清晰明确地模拟这一层面上发生的活动，是捕捉到更丰富物理现象的一种方法。”
用这种方法来模拟像冰晶形成（或者说冰核作用）这样复杂的过程，这还是头一次。它是云层形成的第一步，而有了云才有了降水。
没有参与这项研究的德州农工大学的大气科学教授刘小红表示，无论是雪、雨还是雨夹雪，所有降水事件中有一半都是从冰晶开始的，冰晶会在之后的过程中变大，并最终导致降水。如果研究人员能够建立更精准的冰核作用模型，就可以从整体上大幅改良天气预测。
事实上，用数字模型来模拟天气、气候从而对其进行深入研究并不新鲜，世界气候归因组织 (World Weather Attribution) 就利用了大量的卫星数据等作为基础，使用计算机建模来对气候变化进行定性定量研究，“气候变化归因”也因此入选了2020年《麻省理工科技评论》“全球十大突破性技术”。
“气候变化归因”入选2020年《麻省理工科技评论》
“全球十大突破性技术”
不过，到目前为止，冰核作用的预测是基于实验室实验进行的。研究人员在不同的实验室条件下收集冰晶形成的数据，再将这些数据输入到类似真实世界情况下的天气预测模型中。这种方法只能说有时候是好用的，但由于实际天气状况中涉及的变量太多，它得出的结果经常并不准确。哪怕实验室条件和真实世界之间只有几个因素存在差异，最终往往也是差之毫厘，谬以千里。
“（这样得出的）数据只在特定的地区、温度，或是实验室条件下有效”，刘小红表示。
以电子间相互作用预测冰核作用的方式要精确得多，但它的计算成本也非常高。一般情况下，它要求研究人员建立一个至少包含4000到10万个水分子的模型，而即使是在超级计算机上，这样的模拟也可能需要数年时间才能完成。更麻烦的是，即便做到了，这样的方法也只能对100皮秒（10-10秒）的相互作用进行建模，仍然不足以观察到冰核作用的过程。
然而，深度学习使得研究人员能够在短短10天内完成计算，模拟出来的时间也延长了1000倍。诚然，这个时间仍然只有一秒的几分之一，但刚好足够看到冰核作用的全过程了。
气候变化归因
（图片来源：technologyreview.com）
当然，单单是更精准的冰核作用模型并不意味着完美的天气预报，刘小红解释道，因为它只是天气预测模型中一个小但关键的组成部分；其他方面也很重要：比方说要了解水滴和冰晶凝聚变大的过程，以及它们在不同情况下的行为方式和相互作用。
尽管如此，更准确地模拟大气中冰晶形成的能力将大大改善天气预测，特别是涉及到降雨降雪的那些。它还可以通过提高云层建模的能力来帮助气候预测，因为云层以复杂的方式影响着地球的温度。
Piaggi 表示，未来的研究将能够模拟空气中存在烟雾等物质时的冰核作用，有望进一步提高模型的准确性。深度学习技术使得利用电子相互作用对更大的系统进行更长时间的建模成为了可能。
