MIT研究：少量合成数据训练气候模拟器

MIT 研究人员开发出一种训练技术，仅需传统方法一小部分数据即可提升气候模拟器（climate emulator）的性能与适应性，显著缩短这类 AI 模型的制作时间。该算法生成经过优化的合成气候场景训练数据，用户只需运行一次完整地球系统模型（ESM），而非通常的六到八次。用此方法训练的模拟器能准确预测训练中未见过的场景，而传统模拟器无法适应新情况，相关论文发表于 PNAS。

MIT 研究人员开发出一种训练技术，用少量精选合成数据即可提升气候模拟器（climate emulator）的性能与适应性，并将生成训练数据所需的完整地球系统模型（ESM）运行次数从六到八次降至一次。该算法生成的合成情景包含高频波动，使模拟器能准确预测训练中未见过的情景，而传统模拟器无法适应新情况。