氣候專家們一直致力于預測未來幾十年內全球氣候變暖的情況，但是他們用于分析氣候變化的軟件，往往都是些已經有幾十年歷史的“老古董”了。

這種傳統的軟件架構很難再引入近年來出現的新方法，對其進行更新。因此，一個研究人員聯盟現在正在致力于從零開始，編寫一個可以綜合利用AI，新的軟件工具和NVIDIA GPU的新氣候模型。

該項目名為氣候建模聯盟(Climate Modeling Alliance，簡稱CLMA)，由眾多來自加州理工學院、麻省理工學院、海軍研究生院和NASA噴氣推進實驗室的科學家們所組成。

麻省理工學院海洋學教授、該項目首席研究員Raffaele Ferrari表示：“自上世紀60年代以來，計算機技術已經取得了相當大的進步。相比起那時，我們現在知道的更多，但是當初氣候模型剛被開發出來時，很多內容都是以硬編碼的形式編碼到氣候模型中的。”

從頭開始建立一個新的氣候模型，能夠讓氣候研究人員們更好地考慮小規模的環境特征，包括云層、降雨、海冰和海洋湍流等。

在地理學范疇中，這些變量都太小，無法在氣候模型中精確捕捉，但是利用人工智能可以更精準地捕捉到這些變量。與現有模型相比，在新的氣候模型中引入人工智能的預測，可以將不確定性減少一半。

該團隊正在使用Julia開發新的模型。Julia是麻省理工學院開發的一種編程語言，其倍設計用于并行和分布式計算，它允許科學家使用NVIDIA V100 Tensor核心GPU在本地和谷歌云上加速他們的氣候模型計算。

隨著項目的進展，研究人員計劃使用超級計算機，比如橡樹嶺國家實驗室(Oak Ridge National Labs) 的GPU驅動的Summit系統，以及商業云資源來運行新的氣候模型——他們希望在未來五年內運行該模型。

人工智能扭轉乾坤

氣候學家能夠使用物理和熱力學方程來計算環境變量(如氣溫、海平面和降雨量)的演變。但是如果要對整個星球施行這些計算的話，就需要非常高的計算量。因此，在現有的模型中，研究人員以100平方公里為單位，將地球劃分為一個剖面網格。

他們獨立地計算每100公里的區塊，使用數學近似方法來處理較小的地理特征，如海洋中的湍流漩渦和天空中的低洼云 ，這種方法可以測量不到一公里的距離。但是，當將網格串聯回一個全局模型時，其輸出的結果往往會產生一定的不確定性。

微小的不確定性所產生的影響可能是巨大的，尤其是當氣候科學家為政策制定者們估算全球平均氣溫上升2攝氏度以上需要多少年的時候。根據目前的不確定性水平，研究人員預測，以目前的排放水平來看，這一門檻能會在2040年到2100年之間被突破，精確度僅為60年。

“消除不確定性還存在著巨大的空間，” Ferrari說。“即便只降低一點點的不確定性，就可以收到數萬億美元的社會效益回報。例如，如果人們更清楚降雨模式變化的可能性，那么從土木工程師到農民的每個人都可以預先知道他們可能需要規劃的基礎設施和實踐。”

對海洋數據的深入研究

麻省理工學院的研究人員正在專注于構建CliMA的新氣候模型分析海洋元素對氣候變化的影響。海洋覆蓋了地球表面70%的面積，是主要的熱量和二氧化碳儲存庫。為了做出與海洋相關的氣候預測，科學家們研究了水溫、鹽度和洋流速度等變量。

Ferrari說， “洶涌的水流是一個重要的變量，他們就像許多小風暴一樣在海洋中流動。如果你不去計算所有這些漩渦運動，就會嚴重低估海洋吸收熱量和碳的方式。”

使用GPU，研究人員可以將高分辨率模擬的分辨率從100平方公里縮小到1平方公里，極大地減少了不確定性。但這些模擬太過昂貴，無法直接納入一個展望未來幾十年的氣候模型。

這就是人工智能模型可以從精細分辨率的海洋和云模擬中學習的地方。

麻省理工學院地球、大氣和行星科學系首席研究工程師Chris Hill表示：“我們的目標是以每100×100公里的區塊為單位，運行數千個高分辨率模擬，，這樣將能夠解決當前氣候模型沒有捕捉到的小規模物理問題。”

這些高分辨率模擬能夠產生豐富的合成數據。這些數據可以與更稀疏的真實測量數據相結合，為人工智能模型創建一個完善的訓練數據集，該模型可以用于評估海洋湍流和云模式等小規模物理現象對大規模氣候變量的影響。

然后，氣候研究人員可以將這些人工智能工具插入新的氣候模型軟件中，提高長期預測的準確性。

Hill說， “我們相信GPU技術可以提高計算性能。”

今年6月，麻省理工學院舉辦了為期一周的GPU黑客馬拉松，Hill的團隊以及來自其他大學的研究團隊等開發者使用CUDA并行計算平臺和Julia編程語言進行海洋建模、等離子體聚變和天體物理學等項目。