BriefGPT - AI 论文速递
·
气候变化中二氧化碳的神经网络大气输送建模
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
我们提出了ACE（AI2 Climate Emulator），一个200M参数的自回归机器学习模拟器，用于全球大气模型。ACE能够准确评估物理规律并保持稳定。相比基准模型，ACE在80%以上的跟踪变量上表现更佳，且时间和资源效率更高。
🎯
关键要点
-
现有的基于机器学习的大气模型不适用于气候预测。
-
ACE（AI2 Climate Emulator）是一个200M参数的自回归机器学习模拟器。
-
ACE用于现有的包含100km分辨率的全球大气模型。
-
ACE能够评估质量和水分守恒等物理规律。
-
ACE在10年内保持稳定，几乎没有明确限制地保持纵向水分的守恒。
-
ACE忠实再现了参考模型的气候，超过80%的跟踪变量表现更佳。
-
ACE所需的墙钟时间比参考模型少100倍，资源效率更高100倍。
➡️
