谷歌研究员斯蒂芬·霍耶表示，他们团队使用标准物理驱动模型与机器学习工具相结合的方法来改进天气和气候模型，避免了仅利用AI的实验中遇到的问题。这种方法旨在“拆解黑匣子”，而不是只开发一个纯AI模型。目前，天气和气候模型是以软件形式呈现的物理模型，涵盖了地球系统的关键要素，包括大气、海洋、陆地和冰层。

🤔谷歌研究员斯蒂芬·霍耶(Stephan Hoyer)表示，他们团队使用标准物理驱动模型与机器学习工具相结合的方法来改进天气和气候模型。这种方法旨在“拆解黑匣子”，而不是只开发一个纯AI模型。

🌎目前，天气和气候模型是以软件形式呈现的物理模型，涵盖了地球系统的关键要素，包括大气、海洋、陆地和冰层。

🤖该团队利用标准物理驱动模型与机器学习工具相结合的方法，避免了仅利用AI的实验中遇到的问题，例如模型的可解释性差、缺乏物理基础等。

📈这种方法可以帮助研究人员更好地理解天气和气候模型的运作机制，并提高模型的准确性和预测能力。

🌍这项研究有望为全球气候变化研究提供新的思路，并为更准确的天气预报和气候预测提供支持。

格隆汇7月25日｜谷歌研究员斯蒂芬·霍耶(Stephan Hoyer)称该团队使用标准物理驱动模型与机器学习工具相结合的方法，避免了仅利用AI的实验中遇到的问题。“我们在努力拆解黑匣子，而不是只开发一个纯AI模型。”他说。从各地的电视气象学家到研究全球变暖前景的气候科学家，都会大量使用天气和气候模型。今天的气候模型是以软件形式呈现的物理模型，囊括了地球系统的主要元素：大气、海洋、陆地和冰层。