近日，研究人员利用深度学习模拟冰晶在大气中是如何形成的，而且比以往任何时候都更精确。他们最近在美国国家科学院院刊（PNAS）上发表的论文暗示，该方法有可能显著提高天气和气候预报的准确性。
研究人员利用深度学习来预测原子和分子的行为。首先，模型利用 64 个水分子的小规模仿真数据进行训练，以帮助他们预测原子中的电子是如何相互作用的。
然后，该模型利用更多的原子和分子，在更大的尺度上复现了这些相互作用。正是这种精确模拟电子相互作用的能力，使该团队能够准确地预测物理和化学行为。
“物质的特性来自于电子的行为方式，”普林斯顿大学的研究员、该研究的主要作者巴勃罗·皮亚吉（Pablo Piaggi）说，“清楚地模拟电子相互作用层面上发生的事情是一种捕捉更丰富的物理现象的方法。”
这是该方法第一次被用来模拟像冰晶的形成这样复杂的过程，这一过程也被称为冰的成核。这是云形成的第一步的一部分，也是所有降水的来源。
德州农工大学的大气科学教授刘晓宏（音，Xiaohong Liu）尽管没有参与这项研究，他说，有一半的降水事件——无论是雪、雨还是雨夹雪——开始于微小冰晶，然后冰晶长大并导致降水。如果研究人员能更准确地模拟冰的成核结晶过程，就能大大促进整体的天气预测。
目前，冰的成核作用是基于实验室里的实验来预测的。研究人员收集不同实验条件下冰形成的数据，并将这些数据输入到具有类似真实世界条件的天气预报模型中。
这种方法偶尔效果足够好，但到头来经常会不准确，因为涉及到的实际天气条件的变量数量太多。即使实验室和现实世界之间只有少量因素不同，其结果也可能大相径庭。
“我们的数据只对特定的区域、温度或某些实验室环境有效，”刘说，从电子相互作用的角度来预测冰的成核要精确得多，但它的计算成本也非常昂贵。
传统方法要求研究人员模拟至少 4000 到 10 万个水分子，甚至在超级计算机上，这样的模拟可能也得需要数年时间才能完成。即使这样，也只能模拟 100 皮秒，即 10 的-10 次方秒的相互作用——还远不足以观察冰的成核过程。
然而，通过使用深度学习，研究人员能够在短短 10 天内完成计算。模拟的持续时间也延长了 1000 倍——尽管仍然远远不到 1 秒，但刚好足以观察到成核现象。
当然，只有更精确的冰成核模型并不能使天气预测完美。刘说，因为它只是天气建模的一个关键但微小的组成部分。其他方面也很重要——例如，了解水滴和冰晶是如何生长的，以及它们在不同的条件下是如何运动并相互作用的。
尽管如此，更准确地模拟大气中冰晶如何形成这一能力将显著改善天气预测，特别是那些涉及是否下雨下雪和下多少的预测。它还可以通过提高对云的模拟能力来辅助气候预测，毕竟云会以复杂的方式影响地球的温度。
皮亚吉说，未来的研究可能会在空气中存在烟雾等物质的情况下模拟冰的成核，这可能会进一步提高模型的准确性。由于深度学习技术，现在已经有可能使用电子相互作用来模拟更长时间下的更大系统。
他还表示，这种方法基本上开辟了新领域。“它已经并将持续在化学和材料领域的仿真模拟中发挥更大的作用。”
支持：王贝贝
参考资料：
https://www.technologyreview.com/2022/08/11/1057623/deep-learning-predicts-ice-formation/
