详细内容或原文请订阅后点击阅览
机器学习模拟了1000年的气候
深度学习地球系统模型与CMIP6模型具有竞争力，并且使用较少的计算能力。
来源:Eos杂志近年来，科学家发现，基于机器学习的天气模型可以使天气预测更快地使用传统模型更快。但是，其中许多模型无法准确预测未来15天以上的天气，并在第60天开始模拟不切实际的天气。
深度学习的地球系统模型或dlesym建立在两个并行运行的神经网络上：一个模拟海洋，另一个模拟大气。在模型运行期间，对海洋状态的预测每四个模型日更新一次。因为大气条件的发展更快，所以对大气的预测每12个型号更新一次。
神经网络模型的创建者Cresswell-Clay等人发现，Dlesym与过去观察到的气候紧密匹配，并创建准确的短期预测。它使用当前的气候作为基线，它还可以在不到12个小时的计算时间内准确模拟1，000年的气候和年际变化。它通常等于基于耦合模型比较项目6或CMIP6的模型，该模型被广泛用于当今的计算气候研究中。
Cresswell-Clay等。 cmip6dlesym模型在复制热带气旋和印度夏季季风中的表现优于CMIP6模型。它捕获了北半球大气“阻止”事件的频率和空间分布，这至少和CMIP6型号一样可能引起极端天气。此外，模型预测的风暴也是高度现实的。例如，在1000年模拟结束时（3016年）生成的非洲议会的结构与2018年观察到的非洲阿斯特非常相似。
印度夏季季风 大西洋飓风 agu进步 https://doi.org/10.1029/2025av001706- 马德琳·雷金斯（Madeline Reinsel），科学作家
引用： eos，106， https://doi.org/10.1029/2025EO250318 cc by-nc-nd 3.0相关