MIT 研究用合成数据训练气候模拟器，数据需求大幅减少

导读

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，显著缩短这类 AI 模型的制作时间。该算法只需运行一次完整地球系统模型（ESM）即可生成优化训练数据，而传统做法需运行六到八次。用该方法训练的模拟器能准确预测训练中未见过的情景，传统模拟器则无法适应新情况。