面向下代数气象学的物理引导多模态 Transformer 是必不可少的基础

本立场论文主张，气象学和气候科学的人工智能下一代必须从碎片化的混合启发式方法，转向基于物理引导多模态 Transformer 的统一范式。虽然纯数据驱动模型在预测准确率方面取得了显著进步，但它们常将大气过程仅当作视觉模式来处理，生成结果往往缺乏科学一致性，甚至违反基本物理法则。我们认为，当前的“混合”尝试仍不够系统化，难以跨越从卫星图像到稀疏传感器测量的异构气象数据。我们主张，Transformer 架构凭借其跨模态对齐能力，为通过物理约束嵌入和 physics-informed loss 函数系统集成领域知识提供唯一可行的基础。通过这一统一的架构转变，我们旨在引导研究社区摆脱“黑箱”曲线拟合，朝着内在可验证、科学导向且足以应对极端天气和气候变化这一存在性挑战的 AI 系统发展。