neuralgcm/dinosaur

解决的问题

Dinosaur 提供了一个用于全球大气建模的可微分动力核心。它解决了现代AI气象和气候模型需要将物理定律（如浅水方程和原始方程）与机器学习相结合的需求，从而实现混合模型的“在线训练”。

工作原理

该项目使用 JAX 编写，采用谱方法在 sigma 坐标系下求解大气方程。由于基于 JAX，它支持前向和后向自动微分，并针对 GPU 和 TPU 加速进行了优化，包括多设备并行化。

适用人群

从事 AI 驱动的气象预报、气候建模以及物理-AI 混合系统的研究人员和开发者。

主要亮点

• 可微分动力学：支持自动微分，用于训练混合 AI/物理模型。
• 硬件加速：专为 GPU 和 TPU 上的高效执行而设计。
• 谱方法：求解湿和干状态下的浅水方程与原始方程。
• 灵活的平流：包含半拉格朗日平流选项，可将时间步长延长 6-12 倍。