機器學習是氣象學家 Dale Durran 開創性工作中的“最新助手”。

Dale Durran 熱衷于在看似無序的地球天氣中尋找規律——他在自家的前門外豎起了一三英尺長的金屬環（如上面的視頻所示），里面持續下著隨機的“雨滴”。

作為華盛頓大學全職大氣科學教授和兼職雕塑家，Durran 與他人合著了幾十篇研究地球氣候變化規律的論文。氣候變化研究領域專屬于渴望接受高難度挑戰，試圖用數學來詮釋氣候變化的人們。

2019 年，Durran 獲得了 AI 作為新的工具。他與兩名研究生和微軟研究員合作，共同構建了第一個模型，用來證明深度學習在預測天氣方面的潛力。

雖然粗糙，但該模型的表現優于首次基于計算機預測時所使用的復雜方程。這些方程的“后代”目前都在全球最大的超級計算機上運行。相比之下，AI 減輕了傳統的計算負載并且能夠在更小的系統上工作得更快。

Durran 回憶道：“我們深受啟發，并開始全身心投入到這個領域。”

AI 的光明前景

去年，該團隊將工作提升到了新的水平。他們的最新神經網絡借助 NVIDIA DGX Station 內置的四個 NVIDIA A100 Tensor Core GPU，能夠在不到一分鐘的時間內處理 320 個六周預報。這比現今超級計算機為預測天氣而合成的 51 個預報還要多 6 倍以上。

此項技術的快速發展使該模型幾乎能夠像傳統方法一樣預測 2017 年颶風“艾爾瑪”穿過加勒比海的路徑，還能在 0.1 秒內依靠單個 NVIDIA V100 Tensor Core GPU 做出一周的預報。

Durran 的最新工作是使用 AI 更高效地預測颶風“艾爾瑪”在佛羅里達州的路徑，而且幾乎和傳統方法一樣準確。

Durran 預計，AI 可以同時處理數以千計的預測，以比傳統方程更少的資源消耗提供更為清晰的統計圖。有人認為其性能將提升高達五個數量級，而功耗卻微乎其微。

AI 獲取衛星數據

下一個重點是從根本上拓寬氣象觀察員的視野。

Durran 認為 AI 模型可以做到如今的預測所使用的復雜方程無法輕松處理的、日益豐富的衛星數據，例如云層模式、土壤濕度和植物的干旱壓力等細節。

Durran 的研究生希望在今年冬天展示可以直接獲取全球云層衛星數據的 AI 模型。如果進展順利，這將為 AI 指明方向，即利用從太空采集的大量數據類型提高預測準確性。

在另一項工作中，華盛頓大學的研究人員正在使用深度學習將天文學家用來追蹤恒星的網格應用于大氣層研究工作。Durran 表示，這種新穎的網格有助于開發出全新的天氣預報方式。

收獲的季節

在近 40 年的教育工作中，Durran 指導了數十名學生并編寫了兩本關于如何通過數學來了解天氣和氣候的流體動力學教科書，書籍獲得了很高的評價。

他的學生 Gretchen Mullendore 目前是美國國家大氣研究中心實驗室的負責人，Gretchen Mullendore 與頂尖的研究者合作，改進天氣預報模型。

Mullendore 表示：“我很幸運能在 20 世紀末到 21 世紀初的這段時間與 Dale 一起使數值天氣預報能夠適應當時最新的硬件，我非常感謝有這樣一位老師帶我領略科學和計算機的魅力。”

代代相承

Durran 將在 1 月獲得 Jule G. Charney 獎章，這是美國氣象學會的最高榮譽。該獎章以科學家 Jule G. Charney 的名字命名，Jule G. Charney 與 John von Neumann 合作，在 20 世紀 50 年代開發出天氣預報員至今仍在使用的算法。

最早關于全球變暖的科學論文出現在 1979 年，Charney 是其中的作者之一。Durran 跟隨他的腳步為《華盛頓郵報》撰寫了兩篇社論，幫助廣大讀者了解氣候變化和二氧化碳排放增加所帶來的影響。

這兩篇社論文章介紹了 Durran 在 1976 年第一份工作中培養的興趣——創建關于空氣污染趨勢的計算機模型。在談到為何投身于氣象學時，Durran 表示：“我更愿意在這個領域的前端工作。”

這個因具有“蝴蝶效應”而眾所周知的領域激勵著他繼續推動科學的進步。

審核編輯 ：李倩