科学家发布ThousandWorlds基准：近1800次系外行星气候模拟数据集开放
该数据集汇集五个全球气候模型的约1800次模拟，用于训练机器学习仿真器，以加速系外行星宜居性研究。
AI解读：系外行星大气研究依赖气候模型，但单次模拟可能耗费数百万核时和大量专家时间，成为寻找生命迹象的瓶颈。ThousandWorlds数据集把五个全球气候模型的约1800次模拟整理成统一格式，每次模拟由8个行星参数映射到3D大气场（温度、湿度、风、云、辐射）。它的直接作用是让研究者可以用机器学习训练仿真器，替代部分昂贵模拟。基准测试显示，高斯过程方法表现最好，而现成深度学习模型效果不佳，这说明该数据集所处的小样本、多模拟器场景正是当前深度学习尚未解决的领域。对从事系外行星气候或机器学习仿真的研究者，这意味着有了一个可比较方法的公共基准；对普通读者无需行动，这项成果主要在加速科学发现流程。
研究人员发布了一个用于系外行星气候仿真的机器学习基准数据集ThousandWorlds，包含来自五个全球气候模型（GCMs）的约1800次模拟，用于训练仿真器以减少气候模拟所需的巨额计算资源。