|
MIT News于11月12日介绍了一项发表于《美国国家科学院院刊》（PNAS）的气候AI研究。团队为气候模拟器设计优化训练情景：在研究测试中，一个经优化的情景训练数据集，比六条常用的ScenarioMIP路径更能帮助模拟器泛化到训练中未出现的排放情景。
这类模拟器是完整地球系统模型的快速代理，可在数秒内模拟部分气候响应，方便研究者比较大量假设。新方法通过可微分的简化气候模型调整训练数据；按MIT介绍，生成训练数据时所需运行完整模型的次数可从六到八次降至一次。
研究团队指出，模拟器在测试中能更好处理例如局地污染物下降、其他排放仍上升的情景。需要留意的是，后续仍需用完整规模地球系统模型验证，并测试方法能否扩展到其他模型类别；这不是气候预测产品或政策结论的直接替代。
论文：Optimal scenario design for climate emulation（PNAS）
https://doi.org/10.1073/pnas.2620731123
MIT研究报道：https://news.mit.edu/2026/new-research-could-lead-faster-trustworthy-ai-models-climate-prediction-1112 |
0