NeuralGCM
PulseAugur coverage of NeuralGCM — every cluster mentioning NeuralGCM across labs, papers, and developer communities, ranked by signal.
- 2026-01-12 research_milestone Google Research published findings on NeuralGCM, an AI model that improves global precipitation simulation by combining physics-based modeling with neural networks trained on NASA satellite data. 来源
1 天有情绪数据
-
一致性预测为AI天气预报提供严格的不确定性量化
一篇新发表在arXiv上的研究论文介绍了使用一致性预测（conformal prediction）作为一种改进AI驱动天气预报不确定性量化方法。研究表明，尽管AI模型可以生成更大的集合预报，并且在训练时考虑了概率性因素，但其统计覆盖率，尤其是在极端事件方面，可能并不可靠。通过将在线一致性预测应用于GenCast、NeuralGCM和AIFS-ENS等领先模型，研究人员在不损害其他概率指标的情况下，确保了校准的不确定性。这种后处理技术适…
-
机器学习气候模型展现出潜力但仍需改进
研究人员评估了包括 ACE2-ERA5、NeuralGCM 和 cBottle 在内的多个机器学习模型对均匀海表温度升温的气候响应。这些模型与 NOAA 的地球物理流体动力学实验室 AM4（一个基于物理的通用环流模型）进行了比较。尽管机器学习模型在复制物理模型响应的某些方面（尤其是在降水模式方面）展现出潜力，但在辐射响应和陆地升温等领域也表现出显著偏差，这表明在气候变化应用的样本外泛化能力方面仍需进一步发展。
-
Google AI 的 NeuralGCM 通过混合人工智能-物理模型改进全球降水预报
Google Research 开发了 NeuralGCM，这是一个由人工智能驱动的混合模型，它将基于物理的模拟与在 NASA 卫星数据上训练的神经网络相结合，以改进全球降水预报。该更新模型在模拟每日降水周期和极端天气事件方面表现出更高的准确性，在中期预报和长期气候模拟中优于传统方法和运行模型。NeuralGCM 的方法通过直接从观测数据中学习来绕过传统的参数化，为气候科学提供了更易于访问和更精确的工具。
-
发布 HN：Silurian (YC S24) – 模拟地球
Silurian 是一家由前微软研究员创立的初创公司，已推出生成式预测 Transformer (GFT)，这是一个拥有 15 亿参数的模型，旨在提前 14 天模拟地球天气。该深度学习模型纯粹从数据中学习，无需明确的物理学知识，在预测飓风路径方面表现出色，优于传统预测方法。该公司旨在将其模拟扩展到其他受天气影响的基础设施，如电网和农业。