7月，谷歌在近期《自然》杂志上介绍了其新的机器学习方法，该方法可以快速、高效、准确地模拟地球大气层。

　　在这篇题为“天气和气候的神经环流模型”的文章中，该公司概述了NeuralGCM，这是一种基于机器学习的地球大气模拟方法，它将传统的物理建模与机器学习相结合，提高了模拟准确性和效率。NeuralGCM是与欧洲中期天气预报中心（ECMWF）合作开发的，它生成的2～15天天气预报比目前基于物理的黄金标准模型更准确，而且比传统大气模型更准确地再现了过去40年的气温。

　　虽然谷歌还没有将NeuralGCM建立成一个完整的气候模型，但它相信该解决方案标志着谷歌向开发更强大、更易用的气候模型迈出了重要一步。

　　与传统的气候模型一样，NeuralGCM将地球大气划分为多个立方体，并对空气和水汽运动等大尺度过程进行物理计算。但NeuralGCM并不依赖科学家制定的参数化来模拟云的形成等小尺度层面，而是利用神经网络从现有的气象数据中学习这些事件的物理过程。

　　NeuralGCM目前只对地球大气层进行模拟，但谷歌表示，希望最终能将地球气候系统的其他方面，如海洋和碳循环，纳入模型中。