ArchesClimate-SSP 用能量分数损失训练生成式气候模拟器，在未见的 SSP5-3.4 上取得 0.9739 K 陆地温度 RMSE，优于 MESMER-M 的 1.0963 K

AC-SSP 能在训练时未见的情景上生成与 IPSL-CM6A-LR 一致的长期气候统计量，包括 CO2 浓度超出训练范围的 SSP5-8.5 外推情景。 此前多数机器学习模拟器依赖给定的海表温度或局限于固定升温水平，难以对 SSP 强迫做内部预测；该工作把强迫浓度作为条件输入并做自回归滚动，从而在未见情景上生成完整时空场。 在留出的 SSP5-3.4 测试情景上，5 成员集合的陆地表面温度 RMSE 为 0.9739 K，低于 MESMER-M 的 1.0963 K；SSP5-8.5 情景下模型跟踪 IPSL 的升温趋势与格点温度分布，仅北极模态密度偏差较大。

强迫丢弃（forcing dropout）与多步推前微调是让模型学到强迫-气候关系的关键训练设计。 作者引入按物理耦合分组（六种气溶胶、十个臭氧层）的强迫丢弃，并用学习到的空标记替代置零，同时以概率 pall 控制模型见到完整强迫集的频率；这与以往直接拼接强迫通道的做法不同。 消融显示 pall=0.8 与 pall=1.0 的 RMSE 相近（0.9941 K 与 0.9800 K），但 pall=0.8 在甲烷响应符号、臭氧响应误差和 N2O 过度归因（×9.27 对 ×12.41）上更符合 ERF×TCR 参考；推前长度 pf=4 的年际变率 0.6961 比 pf=2 的 0.9394 更接近 IPSL 的 0.6337。

模型对多数强迫恢复了正确的响应符号，但对 N2O 的归因被严重高估，对 CO2 也有过度归因。 该工作用 piControl 保持消融与 ERF×TCR 参考逐气体检验强迫归因，并指出 CO2 与 N2O 在训练语料中高度共线导致 N2O 缺乏独立约束。 在 SSP5-3.4 下把 N2O 保持在工业化前水平造成 2100 年约 2.0 K 降温，而 TCR 参考仅 0.2 K，相差约十倍；CO2 消融造成 2.00 K 降温，超过 1.5 K 的 TCR 参考；甲烷响应与 TCR 参考接近。

该框架可迁移到另一个地球系统模式 CanESM5，且其单强迫归因行为与 IPSL 一致。 作者调整预处理流程（网格、垂直层、变量集）后把 AC-SSP 应用于 CanESM5，显示过度归因 CO2/N2O、甲烷吻合的模式并非 IPSL 特有。 CanESM5 模型在 SSP4-3.4、SSP5-3.4 和 SSP5-8.5 三个情景上均跟踪目标趋势，仅 SSP5-3.4 的温度峰值略有低估；其单强迫消融使用 CanESM5 自身的 TCR=2.74 K 作为参考。

该结果面向使用 IPSL-CM6A-LR 与 CanESM5 输出、以强迫浓度（而非排放）为输入的研究者，适用于生成 2015-2100 年月度、含三维大气与上层海洋变量的情景滚动。它使快速生成未见 SSP 情景、包括 SSP5-3.4 这类超调路径成为可能，并可在单次初始化下产生多成员集合以做概率分析。方法默认强迫以浓度形式提供，直接由排放到气候状态的映射留待后续工作；海洋仅覆盖到 147.4 m 深度。

读者仍需关注几点：能量分数目标在 abrupt-4xCO2 下使模型几乎立即跳到接近终态并进入平台，未再现确定性基线那种缓慢的海洋介导瞬变升温，作者提出三种尚未验证的修正方向；N2O 的过度归因被归因于训练语料中 CO2 与 N2O 的共线，解决它需要加入单强迫 N2O 消融数据；北极模态密度偏差被归因于外推、极区高年际变率与纬度加权损失共同作用；此外能量分数模型在不同随机种子间 RMSE 有约 22% 的波动，单次运行的性能差异需谨慎解读。