2022年3月25日，美國哥倫比亞大學(xué)發(fā)布最新研究成果稱，該校地球研究所研究人員開發(fā)出“指示冰川模型”（Instructed Glacier Model，IGM），用于模擬冰川動力學(xué)、物質(zhì)平衡及其耦合，以預(yù)測冰川、冰原或冰蓋的演變。該模型通過卷積神經(jīng)網(wǎng)絡(luò)（CNN）對冰川特征進行建模，模擬速度比早期的斯托克斯模型（Stokes）快1000倍，且準(zhǔn)確率達到90%以上。
對冰蓋和冰川進行高分辨率物理建模是一項巨大的挑戰(zhàn)。在過去的20年中，科學(xué)家們致力于開發(fā)能夠模擬冰流及其相關(guān)物理過程以及它與氣候的相互作用的模型。但是，這些研究中，增加模型的復(fù)雜性會增加仿真的計算成本，因此大多數(shù)模型通常使用斯托克斯方程的近似值。雖然斯托克斯方程最準(zhǔn)確地描述了冰流特征，但往往需要在精度和計算成本之間做出折衷。該研究將深度學(xué)習(xí)應(yīng)用于冰川建模，研究人員建立了一個CNN模型，它以一種通用的方式從給定的地形變量和基礎(chǔ)滑動參數(shù)化中預(yù)測冰流。該CNN模型通過大型數(shù)據(jù)集訓(xùn)練得到，該數(shù)據(jù)集是從2個最先進的模型（PISM和CfsFlow）獲得的冰流模擬生成，這些模型配備了2種不同的機制（混合SIA+SSA和Stokes），并且擁有2種不同的空間分辨率（2 km和100 m）。研究人員將質(zhì)量平衡和質(zhì)量守恒與模擬器相結(jié)合，以獲得時間尺度演化模型，用Python語言編寫了“Instructed Glacier Model”（IGM）模型，它允許高效且機械地進行最先進的冰流模擬。該策略允許研究人員壓縮這些模型產(chǎn)生的動態(tài)狀態(tài)，并利用這些信息用簡單的模擬器替代昂貴的冰流模型，從而大大加快整體時間演化模擬速度。新的模擬器不僅可以實現(xiàn)對千年歷史規(guī)模大型冰川的流動與演變的模擬，還能用于單獨小型冰川的模擬，比傳統(tǒng)的混合和斯托克斯模型（Stokes）模型的準(zhǔn)確度超過90%，模擬速度分別超過20倍和1000倍，通過切換到更強大的GPU，模擬速度還可以提高200倍和2000倍。此外，IGM在全球冰川建模以及古代和現(xiàn)代冰蓋模擬中也具有應(yīng)用潛力。
研究人員表示，在過去十年中，人工智能和機器學(xué)習(xí)在地球科學(xué)領(lǐng)域應(yīng)用大幅增加，研究人員正在積極探索人工智能模型，以為其領(lǐng)域內(nèi)的挑戰(zhàn)性問題提供原型設(shè)計解決方案。
轉(zhuǎn)載本文請注明來源及作者：中國科學(xué)院蘭州文獻情報中心《氣球科學(xué)動態(tài)監(jiān)測快報》2022年第07期，劉文浩 編譯。
