面向天气与气候的AI基础模型：应用、设计与实现

机器学习和深度学习方法已被广泛探索用于理解大气的混沌行为并推进天气预报。科技公司、政府机构和气象部门对构建地球数字孪生的兴趣日益增长。近期使用transformers、物理信息机器学习和图神经网络的方法已在相对狭窄的时空尺度和特定任务上展现出最先进的性能。随着近期使用预训练transformers进行语言建模和视觉的生成式人工智能（AI）在提示工程和微调上的成功，我们正在迈向可泛化的AI。特别是，我们正见证AI基础模型的兴起，它们能在多个领域特定的下游任务上具备竞争力。尽管取得进展，我们在用于全球地球系统模式、区域气候模式和中尺度天气模式的可泛化AI模型方面仍处于起步阶段。在此，我们综述了当前最先进的AI方法，主要源自气象学背景下的transformer和算子学习文献。我们就用于现在casting和预报天气与气候预测的系列基础模型的成功标准提供了我们的视角。我们还讨论了此类模型如何能在降尺度（超分辨率）、识别利于野火发生的条件，以及跨各种时空尺度（如飓风和大气河）预测重大气象现象等下游任务上具备竞争力。我们尤其审视了当前的AI方法，并认为它们已足够成熟，可设计和实现天气基础模型。