量子资料同化:数值天气预报的巨大飞跃

学术   2024-11-09 23:36   湖南  

  第一时间获取气象科研资讯

气象学家公众号交流群

加入















10月28日,2024年第3期《气象科技前沿》上线啦!


我们将根据【深度】、【精选】、【动向】及【概览】四期分别推送,欢迎大家阅读转发~















精选

量子资料同化:数值天气预报的巨大飞跃



在数值天气预报(NWP)中,资料同化对于改进初始条件和后续预测尤为重要。然而,传统方法采用迭代过程来最小化成本函数,对计算时间提出了显著挑战。量子计算作为一种新的计算技术,为克服经典计算机在计算方面的挑战提供了一种前景广阔的解决方案。量子计算机可以利用隧道、叠加和纠缠等量子效应来显著降低计算需求,特别是量子退火机(Quantum annealing machines)在解决优化问题方面功能强大。


近期,日本千叶大学开发了一种称为量子资料同化的新方法,利用量子退火机来解决资料同化问题。研究人员表示,“研究中引入了新的量子退火方法来提升资料同化速度,这是数值天气预报的主要计算瓶颈。新算法首次成功地解决了量子退火机上的资料同化问题。


”研究人员重点分析了NWP中广泛应用的四维变分资料同化(4DVar)方法。结果表明,量子退火法的分析精度与基于准牛顿的传统方法不相上下,但所需时间仅为前者的一小部分。量子计算机能够在降低资料同化计算成本方面发挥作用。研究人员指出,“新方法可以彻底改变未来的NWP系统,以更少的计算时间实现更深入的理解和改进预测。


此外,它有可能推进量子退火机在解决地球科学中复杂优化问题方面的实际应用。”相关成果以Quantum Data Assimilation: A New Approach to Solve Data Assimilation on Quantum Annealers为题发表在Nonlinear Processes in Geophysics期刊上。



超精细分辨率雷达和激光雷达窥探云物理过程


云微物理过程,如云滴活化、凝结和碰并增长,在云和降水的演变过程中发挥着核心作用。在数值模式中准确描述这些过程具有挑战性,部分原因是有限的系统观测对这些微过程的了解不全面。大多数基于地面的主动式遥感技术,包括业务云雷达和激光雷达,分辨率都在几十米左右。这种分辨率不足以解析更精细(米和亚米)尺度上的云微物理过程。


为了弥补这一观测空白,美国能源部布鲁克海文国家实验室与纽约州立大学石溪分校等机构开发了一套新的超高分辨率地面雷达和激光雷达系统。新开发的94 GHz云雷达采用大带宽和二次相位编码技术,测距分辨率低至2.8米,比典型雷达的分辨率高10倍。


激光雷达采用了时间门控、时间相关单光子计数技术,测距分辨率可达10厘米,比一般激光雷达精细100倍。这种高分辨率观测以前只能通过飞机现场测量来实现。


即便如此,飞机测量也无法像地面遥感仪器那样进行连续的长期云观测。在这项研究中,新型雷达和激光雷达系统的首次薄云观测结果表明,传统传感器只能感知到云的大体结构,而新型雷达和激光雷达系统却能揭示云的细节结构,从而为研究云的微物理过程及其对天气和气候的影响提供了新的途径。相关成果以Peering into cloud physics using ultra-fine resolution radar and lidar systems为题发表在Bulletin of the American Meteorological Society期刊上。




基于AI的极端气候预测:现状、挑战和未来展望


极端事件,如热浪和寒流、干旱、暴雨和风暴,由于其罕见性和混沌的本质,以及模式的局限性,要准确预测这些极端事件非常具有挑战性。然而,最近的研究表明,可能存在未被利用的系统性可预测性,对其开发可以满足在未来数周到数十年时间尺度上对极端天气进行可靠预测的需求。


近,许多研究都致力于使用人工智能(AI)来研究可预测性并进行气候预测。AI技术已经显示出巨大潜力,可以改进对极端事件的预测,并揭示它们与大尺度和局地驱动因素之间的联系。人们探索机器学习和深度学习来增强预测,而因果发现和可解释的AI已经得到测试,以提高对可预测性背后过程的理解。


AI可以从数据中揭示未知的时空联系,而气候模型提供了物理世界的理论基础和可解释性,二者相结合的混合预测表明,提高气候相关时间尺度上极端事件的预测技巧是可能的。


然而,在各个方面仍然存在许多挑战,包括数据管理、模型不确定性、泛化性、方法的可重复性和工作流程。巴塞罗那超级计算中心发表的最新综述概述了AI技术在改进次季节至年代际极端事件预测方面所取得的成就和面临的挑战。研究还确定了一些最佳实践,以增加对这些新技术的信任,并展望了进一步科学发展的未来前景。


相关成果以Artificial intelligence for climate prediction of extremes: State of the art, challenges, and future perspectives为题发表在WIREs Climate Change期刊上。







出品:中国气象局图书馆

技术编辑:马杰

责任编辑:吴灿

审核:刘东贤







声明:欢迎转载、转发。气象学家公众号转载信息旨在传播交流,其内容由作者负责,不代表本号观点。文中部分图片来源于网络,如涉及内容、版权和其他问题,请联系小编(微信:qxxjgzh)处理。


往期推荐
 获取ERA5/ERA5-Land再分析数据(36TB/32TB)
 获取全球GPM降水数据,半小时/逐日(4TB)
 获取1998-2019 TRMM 3B42逐日降水数据
 获取最新版本CMIP6降尺度数据集30TB
 EC数据商店推出Python在线处理工具箱
★ EC打造实用气象Python工具Metview
★ 机器学习简介及在短临天气预警中的应用
★ Nature-地球系统科学领域的深度学习及理解
★ 灵魂拷问:ChatGPT对气象人的饭碗是福是祸?
★ 气象局是做啥的?气象局的薪水多少?


气象学家
【气象学家】公众号平台为您把握最新AI4Science、解读最新气象科研进展、分享气象实用编程技巧、追踪气象即时资讯。致力于提升我国天气和气候预报、预测水平。欢迎加入气象AI和气象行业交流群以及气象博士群!与12W+专业人士一起交流互动!
 最新文章