研究通过人工智能优化系外行星传输光谱的提取，分析哈勃太空望远镜数据，发现700至1700开尔文行星在1.4微米H2O带表现更强，为气溶胶形成提供新见解。

本研究提出了一种基于贝叶斯近似误差的方法框架，用于估算部分观测气溶胶注入特征中的不确定性问题。通过利用能源超算地球系统模型（E3SM）的特定模拟，建立了一个全面的数据生成、处理、降维、算子学习和贝叶斯反演的框架，提升了全球平流层建模的能力和对气溶胶源估计的不确定性评估。

本研究使用机器学习预测全球197个首都的下一天空气质量，证明了随机森林算法的有效性和模型泛化能力的提高。研究还考虑了可解释的机器学习，并初步尝试了成本估算和商业模式。该研究突出了资源有限国家自主预测空气质量的潜力。

利用VAEs的紧凑潜在表示，可视化研究气溶胶-云的相互作用。发现雾滴谱的演变在不同气溶胶水平上相似但速度不同，表明降水启动过程存在变化但相似度较高。