美国华盛顿大学与德国图宾根大学组成的研究团队开发了深度学习地球系统模型——DLESyM，通过耦合大气和海洋AI模块，可在12小时内完成1000年的气候模拟，且与传统模型相比，计算成本和能耗极低，从而为气候研究和天气预报提供了一种经济高效的方法。相关研究成果于2025年8月25日发表在《美国地球物理学会进展》上。

传统地球系统模式在区分全球变暖信号与年际变率时，计算资源消耗巨大。新近发展的深度学习大气模式虽能准确预测10天内的天气情况，但在长时间模拟中容易出现过度平滑、物理不真实或不稳定等问题。

研究团队将覆盖了1979–2020年间大气、海洋与陆地气候变量的观测数据转化为训练样本，并将深度学习天气预报模式与深度学习海洋模式进行异步耦合，构建了DLESyM。该模型在单块GPU上仅需数小时即可完成传统模式需百万CPU小时才能实现的模拟，速度提升了三个量级；而且，其模拟的全球平均升温趋势、厄尔尼诺/拉尼娜现象均与真实观测高度一致。

信息来源：

https://agupubs.onlinelibrary.wiley.com/doi/10.1029/2025AV001706

https://mp.weixin.qq.com/s/cjO4_QvxwNDUvbVkzdVTOQ

https://mp.weixin.qq.com/s/cjO4_QvxwNDUvbVkzdVTOQ

https://mp.weixin.qq.com/s/0Mki87fQOXWEl-SZxAPMHg