一次大模型运行训练更快的气候模拟器

完整地球系统模型模拟一个未来情景可能要在超算集群上运行数月，传统气候AI模拟器常用六至八条平滑、现实的排放轨迹训练。MIT团队改为先运行一次完整模型，再让算法生成包含快速升降与高频波动的优化训练情景；这些看似不现实的数据迫使模拟器学习更完整的系统响应。研究中，新模拟器能预测未见过的区域污染控制组合，而传统方法失败，并可在数秒内测试数千情景。结果仍需在更多完整地球系统模型上复现，不能把快速代理当成物理模型本身。