谷歌SEEDS模型：AI预测天气蝴蝶效应

新一代生成式 AI 技术助力天气预报领域革新

近日，谷歌研究人员提出一种名为 Scalable Ensemble Envelope Diffusion Sampler（SEEDS）的生成式 AI 模型，该模型能高效生成规模化的天气预报集合，为天气和气候科学研究带来了新的机遇。相较于传统的基于物理的预测模型，SEEDS 的计算成本几乎可以忽略不计，有望改变现有的天气预报模式。

传统的天气预报方法依赖于概率扩散模型，通过引入初始条件的随机性，运行多个不同的模型生成多种可能的结果，并通过平均处理来降低误差。然而，这种方法存在较大的计算成本，需要在大规模超级计算机上多次运行复杂的数值天气模型。

SEEDS 模型是一种去噪扩散概率模型，通过操作性数值天气预报系统中的一两个预报来生成大量的集合。该模型具有高效、低成本的优势，可以在短时间内生成大量的预报集合，为天气和气候科学研究提供了新的可能性。此外，SEEDS 生成的集合在技能指标上表现出色，甚至超过了基于物理的集合。

值得一提的是，SEEDS 模型可以从一两个预报中推导出大量的天气状态，展示了可能的天气状态的范围，有助于更准确地预测罕见事件的概率。例如，在 2022 年欧洲热浪期间，SEEDS 模型根据两个物理模型的预报生成了 16,384 个成员的集合，为极端高温事件的预测提供了更准确的统计覆盖。

总之，SEEDS 模型为天气预报领域带来了全新的变革，有望成为未来天气预报的新模式。通过利用生成式人工智能技术进行天气预报模拟和后处理，我们或许能够在准确量化未来气候的不确定性和评估气候风险方面取得突破性的进展。