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。

ACE是一个自回归机器学习模拟器，用于全球大气模型，具有200M参数，可以评估物理规律。该模拟器在10年内保持稳定，并忠实地再现了参考模型的气候。墙钟时间比参考模型少100倍，使用常见资源效率更高100倍。