大气环流模型（general circulation model，GCM）是研究多尺度时间内地球系统演化状态的重要支柱，该术语可以追溯到大气数值模拟的起源。控制旋转球体上流体循环的方程式使用基本的Navier-Stokes方程式，其专门用于行星循环的形式是在20世纪之交首次制定的。
2021年诺贝尔物理学奖表彰了使用GCM所做的一些工作。然而，围绕它们在未来的持续作用存在相当大的争论。经常提到的GCM的局限性是结构误差和跨模型的不确定性，有相当多的文献认为，GCM的局限性需要进行重大改革，才能在气候建模方面取得进一步进展。现在可以通过大数据和机器学习在大规模数据中整理和提取信息，这些方法在多个领域取得了一些惊人的成功：例如，AlphaFold可以直接从数据中破译复杂分子的结构。这导致人们猜测我们可能已经进入了“后理论科学”时代，这也在许多领域引起了激烈争论：大规模结构是否直接从细节和数据的添加中产生，以及从数据建立模型的局限性可能在哪里。
研究人员在未来一代模型的背景下考虑这些缺点，这些模型可能会通过更高的分辨率和细节来解决这些问题，或者通过使用机器学习技术更好地将它们与观察、理论和过程模型相匹配。他们认为，校准远非模型的弱点，而是复杂系统模拟的基本要素，有助于理解其内部工作原理。可以校准模型以揭示精细尺度细节和对外部扰动的全局响应。新方法能够阐明和改进气候过程不同层次抽象表示之间的联系，在可预见的未来，GCM将继续发挥核心作用。该研究结果发表在《PNAS》期刊上。（王琳 编译）
