气候问题及国际合作中心动模拟及基于贸易群体的气候谈判方案模拟方案展示良好前景。

Jul, 2023

通过增强 Rice-N 模拟和多智能体强化学习框架来提高国际气候政策谈判的真实性，并通过纳入社会因素和非政府利益相关方子智能体来弥合模拟与现实之间的差距，同时提出了强化学习算法的改进，旨在更有效地评估和制定谈判协议以促进国际气候政策决策的发展，但需要进一步实验和测试来确定这些建议的影响和效果。

Jul, 2023

对于 RICE-N 模拟框架的模拟评估模型 (IAM) 进行了关键分析，包括行动屏蔽和无关行动等关键问题，并建议改进措施，如利用关税收入和惩罚生产过剩。同时，对 IAM 的特征进行批判性探讨，包括过于乐观的损害函数和不现实的减排成本函数。研究结果有助于改进 RICE-N 框架的持续努力，使其更具实际可行性，为政策制定者提供灵感。

Jul, 2023

提出一种新的综合框架，用于支持基于人工智能的自然气候决策制定中的各个方面的综合决策支持模型，包括植被碳储量评估、火灾检测、逆转风险减轻和灾害响应规划等不同方面。

Dec, 2023

我们提出了一种用于 RICE-N 气候经济模拟的谈判协议，通过借鉴碳边境调整机制（CBAM）和气候俱乐部（CC）的方法来解决碳泄露问题。我们通过将模拟结果与代表性浓度路径（RCP）和共享社会经济路径（SSP）进行比较，证明了我们方法的有效性。我们的协议产生的温度上升与 RCP 3.4/4.5 和 SSP 2 相当。此外，我们对我们协议的世界贸易组织合规性、行政和政治可行性以及伦理问题进行了分析。我们意识到我们的提议可能会对最不发达国家造成伤害，因此我们建议采取特定的纠正措施，如技术共享和财富重新分配，以避免加剧现有的不平等问题。未来的研究应该改进 RICE-N 关税机制，并实施允许上述纠正措施的行动。

Jul, 2023

提出了一种混合人工智能气候建模方法，使用深度神经网络和数学方法相结合的方法进行气候目标仿真，通过神经符号语言实现可解释性。该方法能够在发现气候临界点方面提高精度，具有潜在的加速计算机不可行的快速气候临界点相关研究的能力。

Feb, 2023

我们提出了一个基于真实商业和政治谈判协议的动态分组谈判模型，以实现气候缓解。在 AI4GCC 竞赛框架内，我们开发了一个三阶段过程：组形成和更新，组内谈判和组间谈判。我们的模型促进各方利益相关者之间的高效有效合作，实现全球气候变化目标。通过实施分组方法和分组更新策略，我们解决了多区域气候谈判中的复杂性和不平衡性。组内谈判确保所有成员为缓解努力做出贡献，而组间谈判使用提案评估框架来确定缓解和节省率。我们在 RICE-N 框架内展示了我们的谈判模型，为促进国际合作应对气候变化提供了一个有希望的方法。

Jul, 2023

该论文提出了一种名为 NeuroClim 的框架，用于采用脑神经算法设计气候混合仿真，并为此提供了一个平台、一个数据集和一种量化的评估方法，以促进人工智能和气候研究的交叉。

Aug, 2022

本文讨论气候变化人工智能的应用，评估了自动机器学习技术在三个高影响的气候变化应用领域的性能，并发现当前的自动机器学习库未能显著超越人设计的模型，但存在一些关键弱点，其中之一是当前大部分自动机器学习技术都是为计算机视觉和自然语言处理应用设计的，所以需要开发出为时空数据设计的搜索空间来寻找新的架构，从而提高性能。为此，作者呼吁自动机器学习社区开展未来工作的具体方向，并发布了代码和一系列资源。

Oct, 2022

本文探讨了地球科学、遥感和人工智能领域近年来趋近的发展情况，强调了这些交叉学科的研究方向和挑战，提出了人工智能在遥感和地球科学领域中的应用，以及年轻研究人员应该如何应对这些挑战，从而推动遥感和地球科学的发展。

Apr, 2021