加州理工团队用AI气候模拟预测临界点

加州理工学院研究人员等开发出一类具备内置记忆的循环神经算子（RNO），可在不依赖传统平稳性假设的情况下预测气候、流体等复杂系统中难以判断的“临界点”。相关论文近日发表于《美国国家科学院院刊》。该研究由加州理工学院计算与数学科学教授阿尼玛·阿南德库马尔领衔，联合科罗拉多大学博尔德分校和英伟达完成。 此前，AI气象模型多假设天气规律保持平稳，适合预测日常天气或飓风等极端事件，但面对二氧化碳浓度上升等改变系统规则的气候变化时，传统方法难以适应非平稳条件。RNO通过追踪物理规则随时间的漂移，当模型预测不再符合既有物理规律时，即可判断系统接近不可逆状态。 在模拟中，RNO能够针对海洋低云因二氧化碳升高而可能骤然消失的“不可回头”场景，提前两年多预测临界点到来时间，误差约11天。团队还在机翼倾斜导致气流分离、升力骤降的湍流模拟中成功识别临界转变，表明该技术未来可用于航空器设计和航空航天工程。由于临界点现象广泛存在于气候、生态、公共卫生和工程等领域，该方法为风险预警和前瞻性设计提供了新工具。