Modelo híbrido de circulación general que combina un núcleo dinámico físico diferenciable con componentes de aprendizaje automático para tiempo y clima.
Primer modelo de este tipo que iguala a los mejores modelos de IA en tiempo a medio plazo y simula décadas de clima con consistencia física.
Código y pesos entrenados abiertos en GitHub (neuralgcm/neuralgcm; checkpoints en Google Cloud Storage bajo CC BY-SA 4.0).
Resoluciones de 0,7, 1,4 y 2,8 grados; versiones deterministas y estocásticas; publicado en Nature (2024).
