长程蒸馏：将10,000年模拟气候蒸馏到长时步AI天气模型

本文探讨了使用AI进行长程天气预报的挑战。它引入了一种名为“长程蒸馏”的新方法，以克服训练数据和自回归模型不稳定性的限制。核心思想是使用短时步、自回归的“教师”模型生成大型合成数据集，然后使用该数据集训练能够直接进行长程预报的“学生”模型。这种方法允许在比传统再分析数据集多得多的数据上进行训练，从而提高长程预报的性能和稳定性。本文的意义在于它证明了AI生成的合成数据可以有效地扩展预测技能，为推进基于AI的天气预报提供了有希望的途径。

• •介绍了用于训练长时步AI天气模型的“长程蒸馏”。
• •使用短时步“教师”模型生成大型合成数据集。
• •证明了长程预报中性能和稳定性的提高。
• •表明AI生成的合成数据可以扩展预测技能。