普林斯顿大学研究人员利用深度学习，以前所未有的精度模拟大气中的冰晶形成过程，有望显著提升天气和气候预报的准确性。相关成果8月8日发表于《美国国家科学院院刊》（PNAS）。

研究人员使用深度学习预测原子和分子的行为。首先，他们通过小规模模拟64个水分子的活动对模型进行训练，以预测原子中的电子是如何互动的。随后，再利用这些模型在更大尺度上复现这些互动，模拟更多的原子和分子。通过对电子相互作用的精确模拟，研究团队能够准确地预测物理和化学行为。

更准确地模拟冰晶形成这样的复杂过程，可以显著改进整体的天气预测。传统方法要求研究人员模拟至少4000到10万个水分子。即使在超级计算机上，这种规模的模拟可能也得需要数年时间才能完成。然而，使用深度学习，研究人员能够在短短10天内完成计算，模拟的持续时间也延长了1000倍，足以观察到成核现象。

这是深度学习方法首次被用于模拟冰晶形成过程，可谓开辟了新的领域，有望持续在化学和材料领域的仿真模拟中发挥更大的作用。

信息来源：

https://www.technologyreview.com/2022/08/11/1057623/deep-learning-predicts-ice-formation/

https://www.pnas.org/doi/abs/10.1073/pnas.2207294119

https://mp.weixin.qq.com/s/h-A0gpLi8DYjNd5c6Ad_mw