地球系统模型——描述地球过程及其相互作用的复杂计算机模型——对于预测未来气候变化至关重要。 通过模拟陆地、海洋和大气对人为温室气体排放的反应，这些模型为预测未来极端天气和气候事件情景奠定了基础，包括联合国政府间气候变化专门委员会 (IPCC) 发布的预测。
然而，气候建模者长期以来面临一个重大问题。 由于地球系统模型集成了许多复杂的过程，因此无法立即进行模拟； 他们必须首先确保其达到代表工业革命前现实世界状况的稳定平衡。 如果没有这个初始稳定期（称为“旋转”阶段），模型可能会“漂移”，模拟可能被错误地归因于人为因素的变化。
不幸的是，这个过程非常缓慢，因为它需要运行模型数千个模型年，对于 IPCC 模拟来说，在一些世界上最强大的超级计算机上可能需要长达两年的时间。
然而，牛津大学科学家在敏捷计划资助下在《科学进展》上进行的一项研究描述了一种新的计算机算法，该算法可以应用于地球系统模型，以大大减少旋转时间。 在对 IPCC 模拟中使用的模型进行测试期间，该算法旋转模型的速度平均比当前使用的方法快 10 倍，将达到平衡所需的时间从几个月缩短到一周以下。
研究作者、牛津大学地球科学系地球科学教授、该算法的设计者萨马尔·卡蒂瓦拉 (Samar Khatiwala) 表示：“以低得多的时间和能源成本最大限度地减少模型漂移对于气候变化模拟来说显然至关重要，但也许这项研究的最大价值最终可能在于需要了解气候预测的可靠性的政策制定者。
目前，许多IPCC模型的启动时间过长，导致气候研究人员无法以更高分辨率运行模型并通过重复模拟来定义不确定性。 通过大幅缩短启动时间，新算法将使研究人员能够研究模型参数的细微变化如何改变输出——这对于定义未来排放情景的不确定性至关重要。
卡蒂瓦拉教授的新算法采用了一种称为序列加速的数学方法，该方法源于著名数学家欧拉。 20 世纪 60 年代，DG Anderson 运用这一想法来加速薛定谔方程的求解，该方程预测了物质在微观层面的行为。 这个问题非常重要，目前世界上超过一半的超级计算能力都致力于解决它，而现在众所周知的“安德森加速”是该问题最常用的算法之一。
Khatiwala 教授意识到，安德森加速还可以减少模型旋转时间，因为这两个问题都具有迭代性质：生成输出，然后多次反馈到模型中。 通过保留先前的输出并使用安德森的方案将它们组合成单个输入，可以更快地实现最终解决方案。
这不仅使旋转过程更快、计算成本更低，而且这一概念可以应用于各种不同的模型，这些模型用于调查从海洋酸化到生物多样性丧失等问题并为政策提供信息。 随着世界各地的研究小组开始为 2029 年发布的下一份 IPCC 报告调整模型，Khatiwala 教授正在与包括英国气象局在内的多个研究小组合作，在他们的模型中试验他的方法和软件。
耦合模型比对项目 (CMIP) 小组联合主席 Helene Hewitt OBE 教授评论说：“在世界努力实现《巴黎协定》的过程中，政策制定者依靠气候预测为谈判提供信息。该小组将为下一份 IPCC 报告提供信息。” 这项工作是朝着减少做出这些关键气候预测所需的时间迈出的一步。
NERC/英国气象局赞助的英国地球系统建模负责人科林·琼斯教授对研究结果评论说：“从计算成本和时间角度来看，自转一直以来都极其昂贵。 卡蒂瓦拉教授开发的新方法有望打破这一僵局，并在建立此类复杂模型的效率方面实现巨大飞跃，从而大大提高我们对全球气候变化进行及时、可靠估计的能力。
资讯来源：由a0资讯编译自THECOINREPUBLIC。版权归作者A0资讯所有，未经许可，不得转载
