天气预报向来不可靠，气候建模更是如此。但它们预测自然界未来走向的能力正在逐步提高，这主要归功于两点：更完善的模型和更强大的计算能力。如今，由德国马克斯·普朗克研究所的丹尼尔·克洛克领导的研究团队发表了一篇新论文，该论文以预印本的形式发布在arXiv上。论文描述了气候建模领域一些专家所称的“圣杯”——一个分辨率接近公里级的模型，它将天气预报与气候建模相结合。

严格来说，新模型的尺度并非每个模拟区域正好是 1 平方公里，而是 1.25 平方公里。但实际上，谁还会去计算这个呢？据估计，覆盖地球上所有陆地和海洋需要 3.36 亿个单元格，而作者们又在地面单元格的正上方添加了相同数量的“大气”单元格，使得计算出的单元格总数达到了 6.72 亿个。

针对每个网格单元，作者运行了一系列相互关联的模型，以反映地球的主要动力系统。他们将这些系统分为两类——“快速”和“慢速”。“快速”系统包括能量循环和水循环——这基本上就是天气系统。为了清晰地追踪这些系统，模型需要极高的分辨率，例如新系统所能达到的1.25公里分辨率。在这个模型中，作者使用了由德国气象局和马克斯·普朗克气象研究所联合开发的二十面体非静力（ICON）模型。

另一方面，“慢速”过程包括碳循环以及生物圈和海洋地球化学的变化。这些过程反映的是数年甚至数十年的变化趋势，而不是像雷暴从一个1.25公里半径的雷暴云团移动到另一个云团那样只需几分钟。正如作者们所认同的，将这两种快速和慢速过程结合起来是本文真正的突破所在。通常情况下，能够包含这些复杂系统的模型只有在分辨率超过40公里时才具有计算可行性。

他们是怎么做到的？答案是：将非常深入的软件工程技术与市面上最顶尖的计算机芯片相结合。接下来我们将深入探讨计算机软硬件工程，如果您对此不感兴趣，可以跳过接下来的几段。

这项工作的大部分基础模型最初是用 Fortran 编写的——Fortran 是所有试图对 1990 年前编写的代码进行现代化改造的人的噩梦。自开发以来，它已经积累了大量冗余代码，使其难以在任何现代计算架构中使用。因此，作者决定使用一个名为数据中心并行编程 (DaCe) 的框架，以与现代系统兼容的方式处理数据。

这套现代系统以JUPITER和Alps的形式呈现，这两台超级计算机分别位于德国和瑞士，均基于英伟达（Nvidia）最新的GH200 Grace Hopper芯片。在这些芯片中，GPU（类似于用于训练人工智能的类型，在本例中称为Hopper）与CPU（在本例中来自另一家芯片供应商ARM，型号为Grace）协同工作。这种计算职责和功能的划分使得研究人员能够在GPU上运行“快速”模型，以反映其相对较快的更新速度，而速度较慢的碳循环模型则由CPU并行支持。

通过这种方式分离所需的计算能力，他们得以利用 20,480 个 GH200 超级芯片，在一天之内精确模拟 145.7 天的运行情况。为此，该模型使用了近 1 万亿个“自由度”，在这里，“自由度”指的是需要计算的数值总数。难怪这个模型需要超级计算机才能运行。

不幸的是，这也意味着这种复杂程度的模型短期内不会出现在你家附近的气象站。如此强大的计算能力并非唾手可得，大型科技公司更倾向于将其用于榨干生成式人工智能的每一分潜力，而全然不顾对气候建模的影响。但至少，作者们能够完成这项令人印象深刻的计算壮举值得赞扬和认可——希望有一天，这类模拟能够普及开来。