美国科学家利用人工智能预测沿海洪水
超过一半的美国人口居住在沿海城市或县，这些地区创造了全国58%的国内生产总值。这些沿海社区和基础设施尤其容易受到热带风暴、飓风和暴雨引发的风灾和洪水侵袭。
借助人工智能和机器学习（AI/ML）技术，路易斯安那州立大学（LSU）计算机科学系教授哈特穆特·凯泽正在开展相关工作，致力于提高洪水防备能力并减轻其影响。
凯泽同时也是LSU计算与技术中心的高级研究科学家，他与德克萨斯大学奥斯汀分校（克林特·道森）、圣母大学（约安内斯·韦斯特林克）以及劳伦斯伯克利国家实验室（鲁比·伦）的科学家团队共同担任该项目的联合研究者。
该项目是能源部高级科学计算研究办公室资助的三个项目之一，每个项目在三年内获得1510万美元资金。
“这种跨学科合作，如本项目所体现的，通过以新的方式整合多样的知识、技能和工具，为未来的科学发现铺平道路，应对众多关键挑战。这些项目有望彻底改变我们设施的科研效率，助力应对美国面临的一些重大问题”
在名为MuSiKAL（基于AI/ML的多物理场建模与知识发现）的项目中，凯泽及其团队将完成以下任务：
- 将能源部的超大规模地球系统模型（ESM）与多尺度、多物理场的高分辨率沿海环流模型相结合
- 为耦合的ESM开发基于AI/ML支持的高精度数字孪生（DT），以缩短洪水预测和减灾规划的延迟
- 开发基于AI/ML的科学数据采集与可视化网络平台，连接实验人员和计算科学家，利用数字孪生持续收集现场和卫星数据
- 展示MuSiKAL的多功能能力和工作流程，使用聚焦墨西哥湾的综合数据集，重点连接多方利益相关者，共同设计数据采集、协同分析洪水模拟，并持续整合和学习模型数据
“墨西哥湾沿岸的得克萨斯州、路易斯安那州和密西西比州是美国重要能源枢纽的所在地，同时也是社会脆弱群体的聚居区。这些拟议工作将推动科学和知识投入到减少洪灾损失之中，并提升该地区的社会经济稳定性”
最终，MuSiKAL项目将为能源部高级科学计算研究综合计算与数据基础设施计划做出重要贡献：开发可扩展的分布式数据存储与管理平台，遵循FAIR原则（可查找、可访问、可互操作和可重用），并部署一体化、模型驱动的数字孪生平台，促进实验人员与计算机科学同行之间的紧密合作。
“所有美国人的福祉都取决于海洋、海岸及沿海流域的生态完整性和可持续生产力。目前的沿海洪水预测能力受限于地球系统模型对沿海过程的表示不足，尤其是在沿海灾害方面，并且缺乏自动化工作流程来促进领域专家/实验人员与计算科学家之间的双向信息交流。我们的研究旨在开发一种数字孪生框架，能够近实时地整合大量数据和分布式并行计算资源，并结合AI/ML方法，显著提升当前沿海灾害预测能力”
LSU的科学家并不是首批利用人工智能进行天气和自然灾害预测的人。2021年5月，美国国家大气研究中心（NCAR）开发了一套AI系统，用于预测风暴期间的冰雹、龙卷风和强风，而这些往往是传统天气模型难以预测的。相关信息可在互联网上免费获取，并每天更新两次。
2021年9月，英国实验室DeepMind开发了深度学习工具DGMR，可以精确预测未来90分钟内降雨的概率。研究人员训练人工智能处理雷达数据，这些数据由许多国家的气象部门定期发布。例如，在英国，每五分钟都会发布新的观测数据。
