全球领先的学术挖掘与分析平台，专注于研究人工智能热点和学者大牛最新成就，聚焦大语言模型的更新发展，您身边的科研助手，欢迎大家关注！
伴随全球气候变暖持续加剧，极端天气正以超乎想象的频率和强度席卷而来，成为威胁人类生命财产安全的重要因素。
2024年，全球自然灾害造成的经济损失高达约1300亿美元，共计1.5亿人口深陷灾难泥沼，其中极端降水和洪涝灾害占比最高。
2024年全球主要极端天气气候事件回顾
数据来源：中国科学院大气物理研究所
面对来势汹汹的气象危机，传统天气预测体系面临着精度不足的困境。
极端天气预测困难的原因之一是流体运动的复杂性。流体，是与固体相对应的一种物体形态，是液体和气体的总称。地球大气运动也属于流体运动的范畴。
长期以来，流体运动的预测面临噪声数据处理以及难以从复杂系统中实时获取物理量的难题。
幸运的是，人工智能的发展有望以经济高效的方式预测流体运动，增强人类对自然灾害的规避能力。
近日，中国人民大学高瓴人工智能学院团队在ICLR 2025发表研究成果，创新性地提出一种融合物理知识与神经网络的创新架构（PINP），旨在提升预测的准确性与可靠性。
该方法在数值模拟实验和现实世界极端降水预测基准测试中均展现出优异性能。
流体预测困局：
非线性的物理“黑箱”
神经网络能够将过去的流体状态映射到未来，在流体预测方面表现出了巨大的潜力。
然而，由于传统的深度学习方法缺少对物理规律的训练和输入，导致模型缺少对物理规律的理解，在物理现象上的解释和泛化能力也大大折扣。
来源：全球科技情报服务平台AMiner
https://www.aminer.cn/pub/67e2688a163c01c850cab39f/?f=gzh_am_v1
在这篇论文中，来自中国人民大学高瓴人工智能学院的团队提出了Physics-Informed Neural Predictor（PINP）架构。
这种方法主要通过将物理方程集成到了模型架构与损失函数中，使AI在学习数据时始终遵循物理规律的约束，最终使得模型不仅具备时间上的外推能力，能够对未来较长时间的状态进行预测，而且具备空间泛化能力，适用于不同空间尺度的问题。
流体运动预测模型能力框架
PINP架构：
给AI装上“物理引擎”
研究者所提出的物理信息神经预测器架构示意图
PINP架构主要由物理推理神经网络和离散PDEs预测网络构成。
模型以观测到的流体浓度数据和空间信息为起点，通过物理推理神经网络，同时估计出当前时刻的浓度场以及未被观测到的速度和压力场。
物理推理神经网络
利用这些推断出的场和离散偏微分方程（PDE）预测网络，即可预测下一个时间的浓度场。
为了保证估计的物理量符合物理规律，模型的损失函数引入了数据约束、物理约束和时间约束三重约束机制。
损失函数的三重约束
其中，数据约束利用观测数据约束预测值、物理约束基于物理方程构建、时间约束针对浓度在短时间内的演化特性设定。
这些约束机制让PINP根本上区别于传统的数据驱动模型，能更准确地反映实际物理现象。
从实验室到现实：PINP如何在
极端场景中刷新流体预测天花板
为了评估PINP的有效性，研究者分别进行了模拟数据实验和真实数据实验。
三种模拟数据场景下模型的MAE和MSE结果比较
在模拟数据场景中，无论是2D流体、2D烟雾还是3D烟雾，PINP的MSE和MAE成绩都表现出了碾压级的优势，模型精度显著提升。
更令人称奇的是，当其他模型在长时间预测中出现误差震荡时，PINP的误差曲线始终保持平稳，彰显出强大的时间外推能力。
不同模型MSE结果对比
在真实数据实验中，PINP的表现同样可圈可点。面对SEVIR数据集中复杂的气象场景，虽然MSE指标并非最优，但其在关键的极端降水预测指标CSI上大放异彩。
尤其是在高阈值降水预测中，PINP展现出了对极端天气的强大捕捉能力。
SEVIR数据集下模型的MSE与CSI结果对比
除了预测精度方面，PINP的另一优势表现在对潜在物理量的估计上。通过估计速度和压力场，模型能够给出预测结果的物理解释，尤其是在边缘的速度分布以及障碍物前后的压力变化上，这些变量为物理预测提供了可解释的证据。
为了进一步验证模型架构的合理性，研究团队进行了消融实验，通过分别进行约束消融、模型消融和离散PDEs消融。
结果表明：移除物理约束会导致MAE上升30.1%，去掉校正网络则使MSE增加71.9%，充分说明了物理规律和模型架构融合的重要性。
消融实验设置与结果
AI“长出”物理神经突触，
PINP离缸中之脑还有多远
从合成数据到真实数据，PINP的出现意味着AI在物理学领域不再是简单的数据拟合工具，而是能够理解物理规律、解释物理现象的智能助手。
通过将物理方程与神经网络深度融合，PINP不仅刷新了时空预测的性能天花板，更开创了物理信息深度学习的新范式。
在极端天气频发的当下，PINP在极端降水预测中的潜力为气象预报技术的革新带来了希望。在未来，这种方法有望在更多领域大放异彩：从医学领域的血液流动分析到环境科学中的海洋环流预测，PINP都有可能带来突破性进展。
当然，挑战依然存在：如何将PINP的应用扩展到更加复杂的物理场景？如何平衡物理方程计算的复杂性与计算效率之间的关系？这些都是下一步需要研究者攻克的问题。
这场由技术推动的革命，不仅关乎数据与模型的迭代，更承载着守护千万生命的使命。在气候变暖的持续挑战下，AI正在构筑起守护生命安全的城墙。
#AMiner平台 #深度学习 #PINP #ICLR2025 #AI4Science #人工智能 #流体运动 #流体动力学 #物理 #极端天气 #AI科研 #流体动力学分析 #中国人民大学 #高瓴团队 #高瓴人工智能学院
END
更多详情信息
可在浏览器搜索关注全球科技情报服务平台AMiner：
https://www.aminer.cn/?f=gzh_am_v1
或直接关注【AMiner AI】公众号
获取最新的AI前沿研究、行业动态和学者信息
关注AMiner平台
这是全球领先的学术数据挖掘与分析平台、您身边的科研助手。有关学术趋势洞察、学者网络分析问题都可以与我们探讨！
喜欢的话，点点右下角“点赞”“转发”“推荐”再走吧！