美国宇航局生成了模拟月球照明条件的POLAR数据集的数字资产POLAR3D，包括岩石/阴影标签和月球地形场景的数字孪生体。可用于训练月球探测的感知算法和合成原始POLAR收集之外的照片真实场景，同时可集成到模拟环境中，促进数字化POLAR场景中逼真的月球车操作。POLAR3D公开可用，帮助感知算法开发、相机模拟工作和月球模拟练习。

本研究通过引入差分方程解为数字孪生体，实现了对复杂系统建模的能力，并通过模拟实验证明了其在速度和能效方面相对于传统数字方法的显著性能提升，加快了数字孪生体的发展速度，为工业 4.0 提供了高效解决方案。

机器学习和深度学习在大气混沌行为和天气预报中得到广泛应用。科技公司、政府机构和气象机构对构建地球的数字孪生体表现出兴趣。最先进的人工智能方法已经成熟地设计和实施气象基础模型。

机器学习和深度学习在大气混沌行为和天气预报方面得到广泛应用。科技公司、政府机构和气象机构对构建地球的数字孪生体表现出兴趣。研究了最先进的人工智能方法，提出了成功的标准，希望实现基础模型用于即时预报和天气气候预测。讨论了模型在下游任务中的竞争力，如超分辨率、火灾有利条件的识别和气象现象的预测。认为当前的人工智能方法已经成熟到设计和实施气象基础模型的阶段。

本文介绍了机器学习和深度学习在天气预报和构建地球数字孪生体方面的应用。作者回顾了当前最先进的人工智能方法，并提出了成功的标准，期望实现一系列基础模型用于即时预报和天气气候预测。文章还讨论了这些模型在下游任务中的竞争力，如下降尺度、火灾有利条件的识别以及对各种时空尺度具有重大影响的气象现象的预测。作者认为当前的人工智能方法已经发展到足以设计和实施一个气象基础模型的成熟阶段。