EnsAI：大气化学 Ensemble 的模拟器

基于 Ensemble 的方法是对数据同化和排放反演流行的做法，用于编码 flow-dependency 于模型误差协方差中。虽然大多数 ensemble 方法不需要使用 adjoint model，但重复运行地理模型以生成 ensemble 可能是巨大的计算负担。在本文中，我们介绍 EnsAI，这是一个新的 AI-based ensemble 生成系统，用于大气化学 constituent。经过训练后，我们在现有的用于氨的 ensemble 由 GEM-MACH 空气质量模型生成的基础上，该模型显示出由 EnsAI 生成的 ensemble 能够准确再现原始 ensemble 的气象依赖特征，同时比原始 GEM-MACH ensemble 快 3300 倍。虽然 EnsAI 需要为生成用于训练的 ensemble 以及训练本身付出前期成本，但长期计算节省可以显著超过这些初始计算成本。在用于排放反演系统时，EnsAI 产生的反演结果与使用原始 GEM-MACH ensemble 的结果相似，同时使用了显著更少的计算资源。