高性能计算的拓扑可以帮助我们在天气预报中找到更佳的方法

拓扑形状研究风靡一时。你甚至可以说数据有具体形状，它是能够让你很舒服地熟悉概念。因此很有趣的是看到许多应用程序正在重新使用拓扑。例如，寻找天气和气候的常见模式。

有趣的是，寻找拓扑结构的关键动机是可解释性（可解释性）。有人可能会说，对于许多人来说，带有“AI”（人工智能，包括机器学习）的蜜月期已经结束。现在，我们听到有关可解释人工智能（XAI）的讨论。DARPA（国防高级研究计划局）研究人员表达的目标是产生更多可解释的模型，同时保持高水平的学习表现（预测准确性），使人类用户能够理解，适当地信任，有效管理新一代人工智能合作伙伴。

XAI的研究领域称为拓扑数据分析，它为我们提供了在形状方面将数据分析结果联系起来的机会。

极端天气

由于高性能计算，近年来天气预测变得更加准确和更加精确（本地化）。虽然对于大多数天气来说都是如此，但极端天气事件却远不如此。事实证明，极端天气，如雷暴，暴风雪，暴雨，干旱和飓风，预测比普通天气更具挑战性。更好地预测极端天气的直接和实际好处是显而易见的。此外，还有长期趋势需要考虑。在这种情况下，由于人类活动引起的极端天气事件的明显增压令人费解，这是气候科学中最年轻和最重要的分支之一。

天气与气候

科学家们清楚地谈到天气预报与气候预报。今天，两种类型的建模和预测使用不同的数学建模和计算机编程。造成差异的根本原因在于计算机资源的范围和速度不是无限的。如果我们拥有无限快速的计算机，那么天气和气候的模型就会趋同。事实上，我们距离很远，因此天气和气候模型在实践中是非常不同的野兽。尽管天气和气候模拟存在差异，但使用拓扑数据分析等技术将在天气和气候预测中找到一席之地。

天气与气候的概念可以这样考虑：天气预报旨在帮助我们了解周四是否会下雨，而气候预测旨在帮助我们了解干旱是否会在未来十年持续下去。

仅当计算机没有被用作第一优先级（即天气预报）时，气候模型才能在超级计算机上运行并不罕见。如果气候计算需要更长的时间才能确定没有直接风险，那么这是有道理的，但天气预报的及时性可能至关重要。

拓扑分析的模式

工程