来源： 时间：2022-10-22 11:35:04
根据一项研究，人工智能(AI)可以极大地改善我们对气候和地球系统的理解。
德国耶拿弗里德里希席勒大学(FSU)的研究人员表示，在人工智能的帮助下，飓风、火灾传播和植被动态等复杂的动态过程可以更好地描述。
根据发表在《自然》杂志上的研究，因此，气候和地球系统模型将得到改进，新模型将结合人工智能和物理建模。
在过去的几十年里，人们主要使用机器学习方法来研究静态属性，如土壤属性从局部到全球的分布。
一段时间以来，通过使用更复杂的深度学习技术来解决更动态的过程已经成为可能。
例如，这使得在同时考虑季节和短期变化的情况下，可以量化陆地上的全球光合作用。
马克斯·普朗克生物地球化学研究所的总经理马库斯·赖克斯坦说：“从过多的传感器中，地球系统的数据已经泛滥，但到目前为止，我们在分析和解释方面一直落后。”
耶拿弗里德里希席勒大学(FSU)的约阿希姆·登兹勒（Joachim Denzler）表示：“这是深度学习技术成为一种有前途的工具，超越了图像识别、自然语言处理或AlphaGo等经典机器学习应用。”
应用的例子是火灾蔓延或飓风等极端事件，这是非常复杂的过程，受当地条件的影响，但也受其时间和空间背景的影响。
研究人员说，这也适用于大气和海洋运输、土壤运动和植被动力学，这些是地球系统科学的一些经典主题。
然而，深度学习方法是困难的。他们说，所有数据驱动和统计方法本身并不保证物理一致性，高度依赖数据质量，并可能在外推方面遇到困难。
此外，对数据处理和存储容量的要求也很高。该出版物讨论了所有这些需求和障碍，并开发了一种有效地将机器学习与物理建模相结合的策略。
如果将这两种技术结合在一起，就会创建所谓的混合模型。例如，它们可以用来模拟海水的运动，以预测海表温度。
虽然温度是物理建模的，但海洋水的运动是由机器学习方法来表示的。
Reichstein说：“这个想法是将物理模型的一致性和机器学习的通用性这两个世界的精华结合起来，以获得大幅改进的模型。”
科学家们认为，极端事件的检测和预警以及天气和气候的季节性和长期预测和预测将大大受益于所讨论的深度学习和混合建模方法。
相关推荐
猜你喜欢
