迈向具有生态学意义的基础模型
Gardiner 等人提出构建生态学基础模型，将大规模多模态生态数据集与生态学理论结合，以生成更具泛化能力和预测能力的模型。相关观点发表于 Nature Machine Intelligence，针对的是生态数据与理论分散于不同来源、尺度和方法、难以做出广泛预测的问题。
全部动态
按时间排列的全部内容。默认只显示通过双重评分的入选条目；切换到“全部收录”可以检索所有抓到的资料。
37 条收录动态，更新于 21:26
全部收录包含没有通过评分的资料，标题以常规字体显示并标为“未入选”，只供检索，不写入选理由。
11月6日
星期五，1 条11月4日
星期三，1 条Ai2 与 Google 合作开发新一代气候模型 NeuralGCM+
Ai2 在 Google.org 三年数百万美元资助和 Google Research 技术支持下启动气候建模计划，开发开源模型 NeuralGCM+。该模型基于 Google Research 的 NeuralGCM，将扩展为大气与海洋联合模拟，聚焦数年至数十年尺度的气候趋势，目标是把区域气温和降雨误差降到低于传统气候模型。Ai2 计划公开模型与建模框架，并优化在常用 GPU 上的性能。
11月5日
星期四，5 条Ai2与Google合作NeuralGCM+气候预测
我们正与@Google合作开发NeuralGCM+，以实现更快、更可靠的气候预测。 来自https://Google.org的数百万美元、为期3年的资助以及Google Research的支持将扩充我们的团队——我们还将开源模型和工作流程。🧵 https://allenai.org/blog/google-climate-partnership
Google Research NeuralGCM 模拟气候
@Google Google Research 于 2024 年推出的 NeuralGCM，利用物理学模拟大尺度大气动力学，并用 AI 模拟云的形成与降雨。 它可以模拟历史气候，但对更温暖未来的可靠预测仍是一项研究挑战。
Ai2 回应 Google：聚焦年代际气候预测
@Google 自发布以来，Google Research 一直在为周至月尺度的预报开发 NeuralGCM。我们的重点将放在年至十年尺度的气候预测，连接大气与海洋模型，以捕捉海洋如何吸收和重新分配热量。
Ai2 公布 NeuralGCM+ 优先事项
@Google 我们的 Ai2 气候模拟器（ACE）已经加速了气候模拟。 我们对 NeuralGCM+ 的优先事项： 🌊 耦合大气、海洋与海冰 🌡️ 加入物理机制并测试更暖气候 💻 发布模型、框架与有文档的工作流程；提升 GPU 性能
10月31日
星期六，1 条Google DeepMind 与 World Resources Institute 用卫星数据和 AI 绘制全球森林类型地图 ForTy
Google DeepMind 与 World Resources Institute 开发出 ForTy（Forest Typology），把 2020 年全球陆地在 10 米分辨率上划分为原始林、自然再生林、人工种植林、种植园、油棕橡胶可可等树作物和其他土地 6 类，作者称这是首个此类全球地图。
10月30日
星期五，1 条3Dtrees.earth 上线：近距 LiDAR 树木与森林分析社区研究基础设施
德国弗赖堡大学等团队在 arXiv 预印本中介绍已运行的社区研究基础设施 3Dtrees.earth，把近距 LiDAR 点云数据、分析工具与计算资源整合到同一平台，并将原始观测与其元数据、处理输出关联。
10月28日
星期三，1 条微软以 Copilot、Microsoft IQ 与 Agent 365 平台化推进 Frontier Transformation
微软在 Ignite 提出 Frontier Transformation 一年后，以平台化方式推进：Copilot 作为与 AI 交互的入口，Microsoft IQ 平台放大企业自身智能，Agent 365 提供各层级的信任与可观测性。
10月27日
星期二，1 条Google Research用Gemini助力非洲离网太阳能
撒哈拉以南非洲有超过6亿人生活在无电环境中。为帮助扩大离网太阳能规模，Google Research与Ignite Energy Access合作。通过使用Gemini for Science和我们的Open Buildings数据集，我们构建了一套可复制的蓝图，以扩大电气化覆盖。 阅读更多：https://goo.gle/4Bxq8bG
10月24日
星期六，1 条《自然》（20261022出版）一周论文导读：时间晶化、20 K 增韧合金与字节级语言模型
《自然》第658卷8137期导读收录三项研究：机电超材料中观测到波粗化并形成时间晶体；IV–V族体心立方难熔合金在20 K下屈服强度与断裂韧性呈平台、无明显韧脆转变；字节化方法可将现有子词模型改造为字节级大语言模型，性能接近子词模型并擅长字符级推理。
10月22日
星期四，6 条Ai2 发布 OlmoEarth v1.3，预计算全球每 10 米像素嵌入并新增浏览器地图工具
Ai2 发布地球观测基础模型家族 OlmoEarth v1.3，为全球每 10 米像素预计算嵌入，并新增可在浏览器中探索和自定义地图的工具。原文称这些嵌入为当前最优（state-of-the-art），完整说明见其后续推文串。
Ai2 发布 PLANTEUR 热带作物制图基准，扩展 PASTIS 至六个热带地区
Ai2 发布 PLANTEUR，将作物类型制图基准 PASTIS 扩展到留尼汪、瓜德罗普、马提尼克、法属圭亚那、马约特和圣马丁六个热带地区，数据来自法国土地地块识别系统。
Google DeepMind 联合 WRI、IIASA 发布 10 米分辨率全球森林类型图 ForTy 2020
Google DeepMind 与 Google Research 联合世界资源研究所（WRI）和国际应用系统分析研究所（IIASA）发布 Forest Typology（ForTy）2020，把全球每块 10×10 米土地按 FAO 定义划为原始林、自然再生林、人工种植林、商品林、木本作物与农林复合、其他土地六类，并给出 2017–2025 年逐年变化序列。
Google DeepMind 发布森林类型地图 ForTy
并非所有森林都一样，现在我们可以把差异绘制出来。🌳 认识一下森林类型图（ForTy）：一张 10 米分辨率的天然林、人工林和农用林地图，帮助识别毁林并保护最重要的森林。🧵
Ai2 发布 OlmoEarth v1.3 卫星嵌入模型及全球预计算嵌入
Ai2 发布 OlmoEarth v1.3 卫星嵌入模型，读取一年 Sentinel-1 雷达与 Sentinel-2、Landsat 多光谱时序，为全球每个 10 米像元生成 128 维向量，前 64 维可单独使用。
入选理由Ai2 公开了全球卫星嵌入、权重与预计算数据，地球观测研究者无需 GPU 即可用少量标注做地表分类与变化分析。
欧洲多家机构采用 NVIDIA Earth-2 开放模型开展真实天气与气候预测
NVIDIA Earth-2 开放模型家族新增面向欧洲的区域模型 StormScope EU，基于 EUMETSAT 卫星观测，以 10 分钟间隔预测 16 个 Meteosat 通道的云况演变。
10月20日
星期二，1 条Google 与 Earth Fire Alliance 用 AI 卫星探测野火
Google Research 与 Earth Fire Alliance、Muon Space 合作的 FireSat 卫星星座，用 AI 从太空更早、更准地发现野火，可识别小至 5x5 米（约一辆车大小）的火点。
10月19日
星期一，1 条南京土壤所基于 PINN 构建地热储层水热耦合模拟新方法
中国科学院南京土壤研究所张佳宝团队联合中国地质科学院水文地质环境地质研究所等单位，基于物理信息神经网络（PINN）构建了面向地热对井系统的水热耦合模拟框架，成果在线发表于《热工程案例研究》。该框架将地下流体流动与热量传输控制方程引入神经网络训练，用双网络架构分别预测水头场和温度场。在河北献县地热田对井采灌系统的验证中，训练样本有限时其预测精度和物理一致性优于纯数据驱动深度神经网络。
10月17日
星期六，2 条我国首个全自主可控气象 AI 集合预报系统“风清”投入业务运行
“风清”人工智能全球短中期集合天气预报系统 V1.0 近日通过业务化评审，正式投入全国气象业务运行，由国家气象中心牵头、联合多所高校和科研院所研发，核心算力、底层算法和数据源均实现国产化。
10月15日
星期四，6 条NVIDIA 加入欧盟 AI in Science Enablers 计划，开放模型、课程与算力资源
在都柏林 AI in Science Summit 上，欧盟委员会启动 AI in Science Enablers Initiative，这是与 RAISE（Resource for AI Science in Europe）相连的共享框架，NVIDIA 宣布加入并提供加速工具、算力云资源、培训与技术支持、合作试点及初创生态支持。
入选理由欧盟 RAISE 框架下 NVIDIA 开放模型、课程与算力通道，欧洲小型实验室和初创可据此判断能拿到哪些资源。
Ai2 发布 HiRO-ACEv2 气候模拟系统，3 公里分辨率成本约为原来的三百分之一
Ai2 发布 HiRO-ACEv2 系统，可在 3 公里分辨率下模拟全球极端天气，成本约为原来的三百分之一，同时其统计特征与 X-SHiELD 的偏差在 3% 以内，即使对百万分之一量级的稀有事件也是如此。模型已在 Hugging Face 开放（https://huggingface.co/allenai/HiRO-ACEv2）。
Google 在 Research@ 2026 发布多项科研 AI 能力，Deep Review 公开上线
Google 在 Research@ 2026 活动上公布多项面向科研的 AI 能力，其中 Deep Review 在 STOC、ICML、NeurIPS、ICLR 的 15000 余份投稿中完成部署后正式公开上线。
入选理由Deep Review 已在 STOC、ICML、NeurIPS、ICLR 的 15000 余份投稿中试用后公开，审稿人和会议组织者可据此判断它能否进入评审流程。
Google 发布地理空间推理智能体技术报告，并开放 Earth AI 早期访问
Google 公布地理空间推理智能体的技术报告，在 CBGB、UnivEARTH 及新发布的 GeoExpertQueries、GeoKTools 四个基准上比较了四种配置，结果显示接入 Earth AI 专用工具后定量空间任务得分明显提升，而开放式问题还需要前置规划。
入选理由Google 公开了地理空间推理智能体的技术报告与两个新基准，并给出 WHO 等机构的早期实测，研究者可据此判断这类地球科学智能体能否接入自己的空间分析流程。
Google Research 发布十项科研工具进展，Deep Review 开放公众使用
Google Research 在 Research@ 活动上公布十项科研相关工具进展，其中智能体审稿系统 Deep Review 从早期版本扩展至面向公众开放，用于核查技术文档的逻辑一致性与事实依据。
入选理由Google 公布十项科研相关工具进展，其中 Deep Review 已用于审阅逾 1.6 万篇会议投稿，研究者可据此判断 AI 审稿辅助的可用范围。
Ai2 发布 HiRO-ACEv2，以约三百分之一成本生成全球 3 公里气候数据
Ai2 发布 HiRO-ACE 系统的新版本 HiRO-ACEv2，其降尺度模型 HiROv2 可同时预测多种高分辨率变量，不再只限于降雨，并提升了对极端事件的预测能力。
入选理由Ai2 公布气候模拟系统更新，研究者可据此判断能否用低成本方式生成极端天气的高分辨率数据。
10月14日
星期三，2 条微软概率偏差校正提升延伸天气预报
天气预报在两周之后便不可靠，给农民和其他人留下了关键空白。概率偏差校正（Probabilistic Bias Correction）改进了延伸期预报，在全球竞赛中拔得头筹，并展现出在实际应用中大有可为：https://msft.it/6013aseY9 图片来源：科罗拉多州立大学大气研究合作研究所与美国国家海洋和大气管理局（CSU/CIRA & NOAA）
MIT 团队用机器学习后处理将两到六周天气预报准确率提高一倍
MIT 等机构的研究团队开发了一种机器学习后处理层，通过学习历史数据修正现有预报模型的误差，在两周到六周的次季节预报中把黄金标准模型的预测能力提高了一倍，并首次在该时间尺度上超过气候平均值。相关论文发表在 Nature，该方法在 ECMWF 的预报竞赛中获第一名，对极端天气的预测也有统计显著提升。该模型是开源、低成本的附加组件，可搭配任意预报模型使用，肯尼亚气象部门已联系希望用于改进季风预报。
入选理由研究团队用后处理层修正现有预报模型误差，把两周到六周的次季节预报准确率提高一倍，并开源低成本，能源与农业用户可据此评估部署可能。