近日，研究人員利用深度學(xué)習(xí)模擬冰晶在大氣中是如何形成的，而且比以往任何時(shí)候都更精確。他們最近在美國(guó)國(guó)家科學(xué)院院刊（PNAS）上發(fā)表的論文暗示，該方法有可能顯著提高天氣和氣候預(yù)報(bào)的準(zhǔn)確性。
研究人員利用深度學(xué)習(xí)來(lái)預(yù)測(cè)原子和分子的行為。首先，模型利用 64 個(gè)水分子的小規(guī)模仿真數(shù)據(jù)進(jìn)行訓(xùn)練，以幫助他們預(yù)測(cè)原子中的電子是如何相互作用的。
然后，該模型利用更多的原子和分子，在更大的尺度上復(fù)現(xiàn)了這些相互作用。正是這種精確模擬電子相互作用的能力，使該團(tuán)隊(duì)能夠準(zhǔn)確地預(yù)測(cè)物理和化學(xué)行為。
“物質(zhì)的特性來(lái)自于電子的行為方式，”普林斯頓大學(xué)的研究員、該研究的主要作者巴勃羅·皮亞吉（Pablo Piaggi）說(shuō)，“清楚地模擬電子相互作用層面上發(fā)生的事情是一種捕捉更豐富的物理現(xiàn)象的方法?！?/p>
這是該方法第一次被用來(lái)模擬像冰晶的形成這樣復(fù)雜的過(guò)程，這一過(guò)程也被稱為冰的成核。這是云形成的第一步的一部分，也是所有降水的來(lái)源。
德州農(nóng)工大學(xué)的大氣科學(xué)教授劉曉宏（音，Xiaohong Liu）盡管沒(méi)有參與這項(xiàng)研究，他說(shuō)，有一半的降水事件——無(wú)論是雪、雨還是雨夾雪——開(kāi)始于微小冰晶，然后冰晶長(zhǎng)大并導(dǎo)致降水。如果研究人員能更準(zhǔn)確地模擬冰的成核結(jié)晶過(guò)程，就能大大促進(jìn)整體的天氣預(yù)測(cè)。
目前，冰的成核作用是基于實(shí)驗(yàn)室里的實(shí)驗(yàn)來(lái)預(yù)測(cè)的。研究人員收集不同實(shí)驗(yàn)條件下冰形成的數(shù)據(jù)，并將這些數(shù)據(jù)輸入到具有類似真實(shí)世界條件的天氣預(yù)報(bào)模型中。
這種方法偶爾效果足夠好，但到頭來(lái)經(jīng)常會(huì)不準(zhǔn)確，因?yàn)樯婕暗降膶?shí)際天氣條件的變量數(shù)量太多。即使實(shí)驗(yàn)室和現(xiàn)實(shí)世界之間只有少量因素不同，其結(jié)果也可能大相徑庭。
“我們的數(shù)據(jù)只對(duì)特定的區(qū)域、溫度或某些實(shí)驗(yàn)室環(huán)境有效，”劉說(shuō)，從電子相互作用的角度來(lái)預(yù)測(cè)冰的成核要精確得多，但它的計(jì)算成本也非常昂貴。
傳統(tǒng)方法要求研究人員模擬至少 4000 到 10 萬(wàn)個(gè)水分子，甚至在超級(jí)計(jì)算機(jī)上，這樣的模擬可能也得需要數(shù)年時(shí)間才能完成。即使這樣，也只能模擬 100 皮秒，即 10 的-10 次方秒的相互作用——還遠(yuǎn)不足以觀察冰的成核過(guò)程。
然而，通過(guò)使用深度學(xué)習(xí)，研究人員能夠在短短 10 天內(nèi)完成計(jì)算。模擬的持續(xù)時(shí)間也延長(zhǎng)了 1000 倍——盡管仍然遠(yuǎn)遠(yuǎn)不到 1 秒，但剛好足以觀察到成核現(xiàn)象。
當(dāng)然，只有更精確的冰成核模型并不能使天氣預(yù)測(cè)完美。劉說(shuō)，因?yàn)樗皇翘鞖饨５囊粋€(gè)關(guān)鍵但微小的組成部分。其他方面也很重要——例如，了解水滴和冰晶是如何生長(zhǎng)的，以及它們?cè)诓煌臈l件下是如何運(yùn)動(dòng)并相互作用的。
盡管如此，更準(zhǔn)確地模擬大氣中冰晶如何形成這一能力將顯著改善天氣預(yù)測(cè)，特別是那些涉及是否下雨下雪和下多少的預(yù)測(cè)。它還可以通過(guò)提高對(duì)云的模擬能力來(lái)輔助氣候預(yù)測(cè)，畢竟云會(huì)以復(fù)雜的方式影響地球的溫度。
皮亞吉說(shuō)，未來(lái)的研究可能會(huì)在空氣中存在煙霧等物質(zhì)的情況下模擬冰的成核，這可能會(huì)進(jìn)一步提高模型的準(zhǔn)確性。由于深度學(xué)習(xí)技術(shù)，現(xiàn)在已經(jīng)有可能使用電子相互作用來(lái)模擬更長(zhǎng)時(shí)間下的更大系統(tǒng)。
他還表示，這種方法基本上開(kāi)辟了新領(lǐng)域?！八呀?jīng)并將持續(xù)在化學(xué)和材料領(lǐng)域的仿真模擬中發(fā)揮更大的作用?！?/p>
支持：王貝貝
參考資料：
https://www.technologyreview.com/2022/08/11/1057623/deep-learning-predicts-ice-formation/
