冻结的AI天气模型被装进地球系统模型：单块GPU每天模拟约1000年，厄尔尼诺振幅接近观测
核心概要
Rescene-ESM把只做过中期天气预报训练的AI天气模型冻结为大气分量，围绕它用受观测约束的物理方程搭建海洋、海冰、陆地、河流、碳循环与能量平衡分量。逐级加入耦合的对照显示，随机海温强迫与陆地水汽通量把厄尔尼诺-南方涛动的振幅和遥相关逐步抬到接近观测的水平，而平均气候几乎不变。完整模型在单块GPU上每天模拟约1000年，千年控制无漂移，并把排放情景下的人口热浪暴露一路算到河流与人群。
深度剖析
一个从未为气候模拟训练过的AI天气模型，可以冻结着充当地球系统模型的大气分量，并让整个耦合系统稳定运行千年。 此前的AI气候模型多以给定海温驱动，只能算大气；已有的AI大气-海洋耦合系统要么厄尔尼诺偏弱，要么其厄尔尼诺是从物理气候模式输出中学来的，且都不把陆地的水送到河流、不从排放经碳循环一路算到暴露人群。 单成员千年控制中，全球平均2米气温每世纪趋势的标准误与各世纪100年平均值的差异保持在0.04 K以内，2米气温与海温误差在每个世纪维持0.64–0.65 K和0.37–0.39 K；同一大气由观测海温驱动时误差为0.57 K和20.7 m，前身Rescene为1.69 K和33.3 m。
耦合不是一次性接上，而是逐级加入，每一级都说明它补上了什么。 在气候态海洋上，AI大气保持其松弛目标的平均气候，但年际变率塌缩：年平均2米气温在海洋上的变率中位数只有ERA5的0.34，全球平均为0.25。 同一冻结网络上的30年两成员对照中，混合层与海冰把海洋变率比抬到0.53；赤道波动海洋加慢风应力给出尼诺3.4标准差0.40 K；把ERA5海温方程残差作为随机强迫加入后升到0.85 K、Z500遥相关0.65；再加入陆地水汽通量后尼诺3.4为1.04 K、Z500遥相关0.81，与同一大气由观测海温驱动的0.81持平，而各档2米气温与Z500误差始终在0.60–0.65 K和20.5–21.1 m之间。
耦合器YAHO按变量名读写冻结网络的状态，每6小时在AI大气与物理表面分量之间传递热量、水和动量，并记录每一笔交换。 冻结网络自由运行约六个月就会发散，且它从未见过土壤，也不输出降水。 45度以外的傅里叶滤波、平流层海绵层和120天时间尺度的松弛把网络约束住；一个590万参数的诊断网络给出降水；10米风被拉向它与850 hPa风在ERA5上拟合出的关系；陆地蒸发异常以潜热上限60 W m-2注入最低150 hPa。所有分量与网络一起在GPU上运行，两成员百年控制在一块NVIDIA A40上耗时4.9小时。
排放驱动的情景运行把热浪暴露一路算到人口，并区分气候变暖与人口数量各自的份额。 在一致的世界之间，排放决定热暴露差异的四分之三；而在同一中等排放情景内部，人口数量决定了一个不到前者一半的差异中的五分之四。 2081–2100年热浪暴露在极低、中等、高排放三个世界分别为104、323和487十亿人日每年；极低与高排放世界相差383十亿人日，其中290十亿来自更暖的气候、93十亿来自人口数量。径流沿DDM30河网到达212个GRDC水文站，流量季节循环相关中位数0.79。
启示与展望
已展示的范围是：冻结的Sonny-ENS-S大气与异常混合层、赤道波动海洋、海冰、土壤水桶、河流与水库、碳循环和能量平衡耦合，在百年与千年控制、1979–2022历史运行、CO2倍增实验和2022–2100情景运行中评估。下一步在源文中被明确提出的是把三维海洋耦合到同一个冻结大气上。
平均气候被120天松弛和通量调整保持在ERA5气候态附近，因此其误差衡量的是偏离该目标的程度；网络的训练期覆盖1979–2018，控制运行的逐日统计相对其训练属于样本内；最终配置是在候选中依据自由运行的厄尔尼诺和5月预报选择的，2017–2021年的起报虽在表面分量回归之外，却不在这一选择之外。千年控制中30年窗口的尼诺3.4标准差在0.68–1.18 K之间，几十年记录只能把振幅约束在这个范围内。