地球的征象之间互相影响。太平洋海水温度终点，观点过大气环流、洋流等款式影响印度洋、大泰西的征象景况；而印度洋、大泰西的渺小波动，也会反向扰动太平洋，这种跨大洋的汉典联动现象被风物学界称为“遥相干”。

1997-1998 年超强厄尔尼诺席卷天下，酿成多国暴雨洪灾与不绝性干旱；2020-2023 年隐秘的“三重拉尼娜”不绝了三年之久，打乱了天下降水与气温形状，这两起典型极点事件，皆是多征象模态协同作用的收尾。

那能不成更早、更准确地瞻望征象发生？以及同期意会多个征象模式之间的互相影响？

近日，清华大学电子工程系李勇团队集结北京师范大学系统科学学院樊京芳团队、德国波茨坦征象影响研究所等机构，在 Nature Machine Intelligence 发表遵循，他们提议了一个名为 UniCM 的 AI 征象瞻望模子。

论文知道，UniCM 将 ENSO，也等于厄尔尼诺-南边涛动的有用瞻望时效延迟至 19 个月。ENSO 是赤说念中东太平洋海温与大气联动的周期性波动，暖海温阶段为厄尔尼诺、冷海温阶段为拉尼娜，会权贵影响天下天气与征象。

更遑急的是，它并不仅仅瞻望厄尔尼诺，而是尝试同期意会太平洋、印度洋和大泰西中多个关节征象模式之间的互相影响。

UniCM 是一款基于 Transformer 改换的妥洽瞻望模子，包含 Globalformer 和 Modeformer 两个分支。

图 | UniCM （开始：上述论文）

Globalformer 认真天下海洋和大气的基础物理数据。比如海表温度、海面风应力、温跃层深度，以及表层 300 米海温等；Modeformer 分支认真征象模式自身。比如 ENSO 指数、印度洋偶极子指数等。匡助东说念主们判断某一类征象现象处在什么景况。

米兰milan(中国)体育官方网站

在数据查考层面，UniCM 依托天下多套巨擘征象数据集开展查考与考证，包括 CMIP6 征象模式模拟数据、GODAS、ERA5、ORAS5、SODA 等主流海洋再分析数据。研究团队使用长达 165 年的历史征象数据构建查考集，让模子充分学习不同常态、极点征象场景下的模态联动端正。模子的输入为曩昔 12 个月的征象数据，输出则是异日一语气 24 个月的瞻望收尾，从数据底层保险了中永恒征象瞻望的可靠性。

研究团队将 UniCM 与面前海外主流的 XRO、DESN、CNN、ResoNet 等征象瞻望模子开展多轮对比测试，掩盖短期、中永恒瞻望，常态征象、极点征象等多种场景。

收尾知道，UniCM 将厄尔尼诺的有用瞻望时分延迟到了 19 个月，比前期最强的物理-深度学习搀杂模子 DESN（16个月）又上前鼓吹了 3 个月。

图 | UniCM 对ENSO 的瞻望（开始：上述论文）

该模子还告成重现了历史上多种复杂的极点征象，从 1997-1998 年的极点厄尔尼诺，到近代极具挑战性的 2020-2023 年“三重拉尼娜”现象，澳门威斯人app2026世界杯中国官方下载它皆能准确瞻望其发生、强度和衰败。

其次，“春季破损”（Spring Predictability Barrier， SPB）是天下征象瞻望的一浩劫题。它指征象模式在瞻望厄尔尼诺/拉尼娜事件时，其手段和准确率在每年 3 月至 5 月间急剧下落的现象。此阶段海洋与大气耦合最不褂讪，导致异日征象趋势瞻望产生极大的不细目性。但 UniCM 告成克服了这一破损，在针对春季办法的瞻望中，提前 14 个月已经保持了高准确率。

关于太平洋经向模态、南印度洋偶极子等研究较少的次要模态，UniCM 也杀青了超强的泛化瞻望才气，平均性能普及超 22%。举例，模子告成将印度洋偶极子（IOD）的有用瞻望期延迟至 7 个月，这为防灾减灾、天下农业多月度前置忖度提供了窗口期。

除了瞻望效果，论文还强调了 UniCM 的可证据性。

许多东说念主对 AI 征象模子有一个驰念：它也许瞻望得准，但咱们不知说念它为什么准。要是模子仅仅一个黑箱，那么它对科学发现的匡助就会受到适度。

为此，研究团队分析了 UniCM 里面的防护力机制，试图望望模子在瞻望时怜惜了哪些区域，以及哪些征象模式之间的关系。

举例，在莫得任何东说念主类事先设定的物理学问的前提下，模子我方发现了“北太平洋经向模式（NPMM）”是激励 1997 年极点厄尔尼诺现象的关节前兆；在瞻望 1995 年的拉尼娜现象时，模子自动把怜惜点滚动到了热带大泰西盆地，这与已知的科学文件鼓胀吻合。

此外，UniCM 还精确收复了各大洋征象现象先后影响、强弱关联的信得过端正，而传统模子不仅夸大了相互影响的力度，还捏不住这种复杂的联动特质。

论文中也提到了一些局限性，一是像印度洋偶极子这类变化快、受季节影响极大的征象现象，受当然端正制约，很难再大幅延迟瞻望时分；二是该模子当今只擅长瞻望几个月到两年的征象，还没兼顾几十天的短期波动和十几年的永恒征象演变。

接下来研究团队蓄意赓续升级：交融不同技术圭臬的征象端正，分析天下变暖会如何改变各大征象现象的互相影响，让 AI 的研究遵循能更好助力征象表面探索。

参考结合：

1.https://www.nature.com/articles/d41586-026-01538-0

2.Yuan， Y.， Ding， J.， Qiu， Z. et al. Learning the coupled dynamics of global climate modes. Nat Mach Intell (2026). https://doi.org/10.1038/s42256-026-01245-5

排版：胡莉花

注：封面/首图由 AI 提拔生成澳门威斯人2026世界杯(中国)IOS/安卓官方下载