MIT用合成气候数据训练模拟器

MIT研究团队在《美国国家科学院院刊》发表一种气候模拟器训练技术，通过一次完整地球系统模型（ESM）运行生成含高频波动的合成情景，以较少数据训练AI代理模型。实验中，使用少量精选合成数据训练的模拟器能准确预测未见情景，并捕捉单一污染物控制下其他排放继续上升的局部政策效果，而传统方法失败；该方法可显著缩短生产时间。团队后续计划用完整ESM情景测试，并推广到其他气候模型及更多机器学习和计算机视觉应用。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。