像DallE这样的生成式人工智能工具背后的算法，与基于物理的数据相结合，可以用来开发更好的方法来模拟地球气候。西雅图和圣地亚哥的计算机科学家现在利用这种组合创建了一个模型，该模型能够预测未来100年的气候模式，比现有技术快25倍。
具体来说，这个被称为球形扩散的模型可以在25小时内预测100年的气候模式，而其他模型需要数周的模拟时间。此外，现有的最先进的模型需要在超级计算机上运行。该模型可以在研究实验室的GPU集群上运行。
来自加州大学圣地亚哥分校和艾伦人工智能研究所的研究人员写道：“数据驱动的深度学习模型即将改变全球天气和气候模型。”
研究小组将在12月9日至15日在加拿大温哥华举行的2024年NeurIPS会议上展示他们的工作。
由于气候模拟的复杂性，目前生成气候模拟的成本非常高。因此，科学家和决策者只能在有限的时间内进行模拟，并只能考虑有限的情景。
研究人员的关键见解之一是，生成式人工智能模型，如扩散模型，可用于整体气候预测。他们将其与球面神经算子相结合，这是一种设计用于处理球面数据的神经网络模型。
由此产生的模型从气候模式的知识开始，然后应用一系列基于学习数据的转换来预测未来的模式。
“与传统扩散模型（DM）相比，我们的模型的主要优势之一是效率更高。使用传统的DMs可能产生同样现实和准确的预测，但速度没有那么快，”研究人员写道。
除了运行速度比目前的技术水平快得多之外，该模型也几乎一样准确，而不需要太多的计算成本。
该模型有一些限制，研究人员希望在下一次迭代中克服这些限制，比如在模拟中加入更多的元素。接下来的步骤包括模拟大气对二氧化碳的反应。
“我们模拟了大气，这是气候模型中最重要的因素之一，”加州大学圣地亚哥分校计算机科学与工程系的教职员工、该论文的资深作者之一罗斯·余（Rose Yu）说。
这项工作源于Yu的博士生Salva Ruhling Cachay在艾伦人工智能研究所（Ai2）的实习经历。
具有球形扩散的全球气候模式的概率模拟
加州大学圣地亚哥分校计算机科学与工程系的Salva Ruhling Cachay和Rose Yu
艾伦人工智能研究所：Brian Henn， Oliver Watt-Meyer和Christopher S. Bretherton
