研究与来源
英文原题：Samudra: An AI Global Ocean Emulator for Climate · 机器翻译
论文作者：Surya Dheeshjith · Adam Subel · Alistair Adcroft · Julius Busecke · Carlos Fernandez‐Granda · Shubham Gupta · Laure Zanna
DOI: 10.1029/2024GL114318
AI 导读学习海洋模式的多深度层数据，模拟温盐、流速与海表高度。在研究设定中实现长期稳定积分，但外部强迫趋势的幅度响应仍有局限。
导读不等同于作者摘要，请以原始论文为准。
本条目提供可追溯的文献信息，尚未发布完整编辑解读。
阅读原始来源 ↗英文原题A foundation model for the Earth system
AI 导读在多种地球物理数据上预训练，再适配天气、海浪、空气质量与热带气旋路径预测，探索跨任务的地球系统建模。
英文原题Differentiable modelling to unify machine learning and physical models for geosciences
AI 导读讨论如何利用可微分计算，将物理知识与神经网络共同训练，为过程理解、参数估计与地学预测提供方法框架。
英文原题On the foundations of Earth foundation models
AI 导读提出理想地球基础模型的 11 项特征，涵盖多传感器整合、地理位置与尺度感知、物理一致性等，并讨论评价标准与研究方向。
英文原题Neural general circulation models for weather and climate
AI 导读将可微分动力核心与神经网络参数化结合，用统一的混合框架研究天气预报与气候模拟，并评估长期积分的物理一致性。