天气预报向来以不靠谱著称 —— 气候建模则更是如此。但它们预测自然界将给人类带来什么的能力日益增强，主要归功于两件事：更好的模型和更强的计算能力。

如今，由德国马克斯·普朗克研究所的 Daniel Klocke 领导的研究人员发表的一篇新论文，描述了气候建模界一些人称之为该领域"圣杯"的成果 —— 一个几乎达到千米级分辨率、将天气预报与气候建模相结合的模型。

从技术上讲，这个新模型的每个模拟单元并非正好是1平方公里 —— 而是1.25公里。

不过说真的，到了这个级别谁还会去计较呢 —— 估计需要3.36亿个单元才能覆盖地球上的所有陆地和海洋，而作者们在地面单元的正上方又增加了同等数量的"大气"单元，使得需要计算的单元总数达到了6.72亿个。

对于这每一个单元，作者们运行了一系列相互关联的模型，以反映地球主要的动态系统。他们将这些系统分为两类："快"系统和"慢"系统。

"快"系统包括能量循环和水循环 —— 这基本上指的就是天气。为了清晰地追踪它们，模型需要极高的分辨率，就像新系统所能达到的1.25公里那样。

对于这个模型，作者们使用了由德国气象局和马克斯·普朗克气象研究所开发的ICOsahedral Nonhydrostatic (ICON) 模型。

深入了解气候建模有助于理解论文中的概念：

另一方面，"慢"过程包括碳循环以及生物圈和海洋地球化学的变化。这些反映的是数年甚至数十年的趋势，而不是雷暴从一个1.25公里的单元移动到另一个单元所需的几分钟时间。

将这两种快慢过程结合起来，正是这篇论文真正的突破之处，作者们也乐于认同这一点。那些要包含这些复杂系统的典型模型，只有在分辨率超过40公里时，计算上才易于处理。

那么他们是如何做到的呢？通过将一些非常深入的软件工程与大量能用钱买到的最新款计算机芯片相结合。现在到了深入了解计算机软硬件工程的时候了，所以如果你对此不感兴趣，可以跳过接下来的几段。

这项工作中作为基础使用的模型最初是用 Fortran 语言编写的 —— 这是所有试图现代化1990年以前编写的代码的人的噩梦。

自其最初开发以来，该模型已因大量附加功能而变得臃肿不堪，难以在任何现代计算架构上使用。因此，作者们决定使用一个名为以数据为中心的并行编程（DaCe）的框架，该框架能够以兼容现代系统的方式处理数据。

Simon Clark 测试了一个气候模型是否能在更简单的硬件 —— 树莓派上运行：

这个现代系统具体表现为 JUPITER 和 Alps 两台超级计算机，它们分别位于德国和瑞士，并且都基于英伟达最新的 GH200 Grace Hopper 芯片。

在这些芯片中，一个 GPU（类似于训练 AI 所用的类型 —— 在此称为 Hopper）与一个 CPU（本例中来自另一家芯片供应商 ARM，命名为 Grace）协同工作。

这种计算职责和特性的分离，使得作者们能够在 GPU 上运行"快"模型以反映其相对快速的更新速度，同时由 CPU 并行支持较慢的碳循环模型。

通过这样分离所需的计算能力，他们得以利用 20,480 个 GH200 超级芯片，在一天内精确模拟出 145.7 天的情况。为此，该模型使用了近 1 万亿个"自由度"，在此语境下，这指的是它必须计算的数值总数。难怪这个模型需要超级计算机才能运行。

不幸的是，这也意味着如此复杂的模型短期内还无法普及到地方气象站。

那样的计算能力并非轻易可得，而且大型科技公司更可能将其用于尽可能榨取生成式 AI 的每一分潜力，无论这对气候建模会造成什么后果。

但至少，作者们能够完成这项令人印象深刻的计算壮举，这一点值得称赞和认可 —— 并且希望有一天，我们能够使这类模拟变得司空见惯。

该研究可作为预印本在 arXiv 上获取。

如果朋友们喜欢，敬请关注“知新了了”！