NIVA：可操作的地球系统情报的多模式基础模型

人工智能驱动的天气和气候建模的最新进展提高了预测技能，同时降低了计算成本。然而，现有的数据驱动方法在对耦合地球系统动力学进行建模的能力方面受到限制，而这是将可预测性扩展到约两周范围之外所必需的。为了解决这个问题，我们引入了 NIVA，这是一种多模态基础模型，旨在学习跨地球系统组件的统一表示。虽然完整的框架针对大气、海洋、冰和陆地相互作用，但我们在这里重点关注两种模态设置（海洋和大气）作为受控概念证明，以评估基础模型是否可以学习耦合动力学。经过大规模地球系统模拟的训练，NIVA 学习了具有物理意义的跨模态结构，为次季节到季节的预测奠定了基础。作为初步验证，我们表明 NIVA 通过准确预测主要气候指数来捕获气候变化的关键模式。