机器学习技术助力气候变化研究

热浪、暴雨、沿海洪涝、干旱、灾难性火灾……科学界普遍认为，这些异常天气模式及其引发的自然灾害与地球气候的根本性变化有关。但具体确定气候变化与特定天气事件之间的关联仍具挑战性。

云计算与机器学习的新突破

传统上，研究人员主要依赖耗时耗力的计算机模拟来理解气候变化的全景。但随着大规模气候数据的增长和云计算的数据处理能力，科学界现在有了新的强大工具：利用机器学习和因果推断来改进天气预报并预测极端事件。

为此，某中心在2019年NeurIPS会议上发起了"气候因果关系"竞赛。该竞赛由Jakob Runge与德国航空航天中心、巴伦西亚大学的合作者共同组织，聚焦于气候数据的因果发现和新分析方法。

获胜团队来自哥本哈根大学数学科学系，他们通过34个不同数据集研究因果关系，从简单基线方法入手，逐步引入变体以确定最佳性能方法。另一个跨国团队则专注于气候相互作用的非线性特征，受混沌系统理论启发，成功在混沌非线性数据集中发现规律。

竞赛共收到146种方法和6500多份提交结果，参赛团队使用云计算资源进行迭代实验，这些成果将有助于缩小对气候相互作用和因果关系的理解差距。

机器学习方法使科学家能够灵活分析气候数据，根据过去事件调整数据分析，更准确地模拟未来。这种技术有助于研究人员应对气候系统的巨大复杂性，更好地理解影响天气的多种微妙相互作用之间的联系。

通过这类竞赛，机器学习社区更深入地参与到气候变化理解的挑战中，这将催生天气和气候因果关系研究的新方法。