# 气候模拟器

MIT研究团队提出一种训练数据优化方法，让气候模拟器只用精心挑选的合成情景训练，就能预测训练中未见过的新情景，而传统模拟器在新情景上无法适应。该方法把生成训练数据所需的全尺度地球系统模型运行次数从六到八次降到一次，从而缩短这类快速代理模型的制作周期。研究还显示，用该方法训练的模拟器能刻画局部污染物控制的效果，即一种污染物下降而其他排放继续上升的情景。

MIT研究团队提出一种训练数据优化方法，让气候模拟器只用精心挑选的合成情景训练，就能预测训练中未见过的新情景，而传统模拟器在新情景上无法适应。该方法把生成训练数据所需的全尺度地球系统模型运行次数从六到八次降到一次，从而缩短这类快速代理模型的制作周期。研究还显示，用该方法训练的模拟器能刻画局部污染物控制的效果，即一种污染物下降而其他排放继续上升的情景。