地球的征象之间互相影响。太平洋海水温度十分，融会过大气环流、洋流等相貌影响印度洋、大欧好意思的征象情状；而印度洋、大欧好意思的轻细波动，也会反向扰动太平洋，这种跨大洋的汉典联动征象被景色学界称为“遥关联”。
1997-1998 年超强厄尔尼诺席卷巨匠，形成多国暴雨洪灾与陆续性干旱；2020-2023 年漠视的“三重拉尼娜”陆续了三年之久，打乱了巨匠降水与气温模式，这两起典型极点事件，王人是多征象模态协同作用的收尾。
那能弗成更早、更准确地瞻望征象发生？以及同期领略多个征象模式之间的互相影响？
近日，清华大学电子工程系李勇团队集中北京师范大学系统科学学院樊京芳团队、德国波茨坦征象影响盘考所等机构，在 Nature Machine Intelligence 发表后果，他们提议了一个名为 UniCM 的 AI 征象瞻望模子。
论文深化，UniCM 将 ENSO，也即是厄尔尼诺-南边涛动的有用瞻望时效延迟至 19 个月。ENSO 是赤说念中东太平洋海温与大气联动的周期性波动，暖海温阶段为厄尔尼诺、冷海温阶段为拉尼娜，会权贵影响巨匠天气与征象。
更遑急的是，它并不仅仅瞻望厄尔尼诺，而是尝试同期领略太平洋、印度洋和大欧好意思中多个重要征象模式之间的互相影响。
UniCM 是一款基于 Transformer 革新的调和瞻望模子，包含 Globalformer 和 Modeformer 两个分支。
图 | UniCM （源流：上述论文）
Globalformer 厚爱巨匠海洋和大气的基础物理数据。比如海表温度、海面风应力、温跃层深度，以及表层 300 米海温等；Modeformer 分支厚爱征象模式本人。比如 ENSO 指数、印度洋偶极子指数等。匡助东说念主们判断某一类征秀景色处在什么情状。
在数据训诫层面，UniCM 依托巨匠多套巨擘征象数据集开展训诫与考证，包括 CMIP6 征象模式模拟数据、GODAS、ERA5、ORAS5、SODA 等主流海洋再分析数据。盘考团队使用长达 165 年的历史征象数据构建训诫集，让模子充分学习不同常态、极点征象场景下的模态联动规章。模子的输入为夙昔 12 个月的征象数据，输出则是翌日连气儿 24 个月的瞻望收尾，从数据底层保险了中恒久征象瞻望的可靠性。
盘考团队将 UniCM 与面前海外主流的 XRO、DESN、CNN、ResoNet 等征象瞻望模子开展多轮对比测试，掩饰短期、中恒久瞻望，常态征象、极点征象等多种场景。
收尾深化，UniCM 将厄尔尼诺的有用瞻望时辰延迟到了 19 个月，比前期最强的物理-深度学习夹杂模子 DESN（16个月）又上前鼓舞了 3 个月。
图 | UniCM 对ENSO 的瞻望（源流：上述论文）
该模子还凯旋重现了历史上多种复杂的极点征象，从 1997-1998 年的极点厄尔尼诺，到近代极具挑战性的 2020-2023 年“三重拉尼娜”征象，棋牌牛牛游戏平台APP中国最新版它王人能准确瞻望其发生、强度和零落。
其次，“春季闭塞”（Spring Predictability Barrier， SPB）是巨匠征象瞻望的一浩劫题。它指征象模式在瞻望厄尔尼诺/拉尼娜事件时，其手段和准确率在每年 3 月至 5 月间急剧下跌的征象。此阶段海洋与大气耦合最不寂静，导致翌日征象趋势瞻望产生极大的不细则性。但 UniCM 凯旋克服了这一闭塞，在针对春季指场地瞻望中，提前 14 个月照旧保持了高准确率。
关于太平洋经向模态、南印度洋偶极子等盘考较少的次要模态，UniCM 也达成了超强的泛化瞻望才智，平均性能提高超 22%。举例，模子凯旋将印度洋偶极子（IOD）的有用瞻望期延迟至 7 个月，这为防灾减灾、巨匠农业多月度前置贪图提供了窗口期。
除了瞻望效果，论文还强调了 UniCM 的可讲明性。
好多东说念主对 AI 征象模子有一个牵挂：它也许瞻望得准，但咱们不知说念它为什么准。淌若模子仅仅一个黑箱，那么它对科学发现的匡助就会受到适度。
为此，盘考团队分析了 UniCM 里面的珍目力机制，试图望望模子在瞻望时存眷了哪些区域，以及哪些征象模式之间的干系。
举例，在莫得任何东说念主类事前设定的物理学问的前提下，模子我方发现了“北太平洋经向模式（NPMM）”是激发 1997 年极点厄尔尼诺征象的重要前兆；在瞻望 1995 年的拉尼娜征象时，模子自动把存眷点改换到了热带大欧好意思盆地，这与已知的科学文件十足吻合。
此外，UniCM 还精确回话了各大洋征秀景色先后影响、强弱关联的着实规章，而传统模子不仅夸大了相互影响的力度，还持不住这种复杂的联动本性。
滚球app(中国)官网下载论文中也提到了一些局限性，一是像印度洋偶极子这类变化快、受季节影响极大的征秀景色，受当然规章制约，很难再大幅延迟瞻望时辰；二是该模子当今只擅长瞻望几个月到两年的征象，还没兼顾几十天的短期波动和十几年的恒久征象演变。
接下来盘考团队运筹帷幄连接升级：融会不同时代门径的征象规章，分析巨匠变暖会如何改变各大征秀景色的互相影响，让 AI 的盘考后果能更好助力征象表面探索。
参考连气儿：
1.https://www.nature.com/articles/d41586-026-01538-0
2.Yuan， Y.， Ding， J.， Qiu， Z. et al. Learning the coupled dynamics of global climate modes. Nat Mach Intell (2026). https://doi.org/10.1038/s42256-026-01245-5
排版：胡莉花
注：封面/首图由 AI 援手生成棋牌牛牛游戏平台APP
备案号: