利用决策树等机器学习技术，从众多定量场景中得出可解释的情景，展示能源转型中的关键决策之间的相互关系，并证明在气候敏感性和需求不确定性方面，选择高可再生能源和部门耦合使全球碳减排情景具备鲁棒性；同时，实现非化石能源的欧洲能源转型主要取决于对生物能源、储能和热电化的角色选择。我们的可转移方法将庞大的能源模型结果转化为一小组关键决策，指导决策者优先考虑塑造能源转型的关键因素。

Nov, 2023

通过对 2011 至 2021 年的全球灾害风险动态进行世界风险指数的时间分析，评估了减轻风险和创造安全环境所采取的措施的影响，并发现尽管持续努力，全球的风险景观仍然分为两个主要集群，而当前的政策和机制对于帮助国家从危险位置转移到更安全位置并不有效。因此，需要针对这些国家特定的脆弱性，发展创新的方法来应对持续的灾害风险管理挑战。

Jan, 2024

本文介绍了利用自然语言处理技术构建的问答型模型 ClimateQA，该模型可用于分析财务报告以确定与气候相关的内容，以应对气候变化对全球股市等投资领域的巨大影响。

Nov, 2020

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

研究了气候 - 经济框架中模型不确定性的影响，以存在三种类型的资本为基础：产生碳排放的 “脏” 资本、不产生排放但初始生产力较低的 “清洁” 资本和通过研发投资增加的知识资本，从而推动绿色部门的技术创新。通过基于神经网络的全局解决方法解决了高维非线性模型框架，表明模型不确定性对最优决策和社会估值有一阶影响。考虑气候动力学的相互关联性不确定性、气候变化带来的经济损失和绿色技术变革的到来，将在技术变革和气候损害严重程度揭示前对不同资本类型的投资进行大幅调整。

Oct, 2023

本文提出了一种创新方法，通过建模和不平衡评估工具的组合，来解决与危机管理相关的移民危机问题。通过利用深度学习进行预测，并通过贝叶斯网络集成因果推理，此方法使得能够评估社会技术景观中的不平衡和风险，为明智的决策提供了重要见解。通过这个框架，可以分析关键系统，了解移民水平的波动如何影响它们，从而促进有效的危机治理策略。

Nov, 2023

本文研究气候变化导致的人类适应问题，以日常出行（工作上下班）为例，通过设计简易互动模拟器，探讨人类认知偏差在出行方式选择中的作用，报告了三个模拟器及其应用，旨在引发人们对未来出行方式的思考，目前正在进行用户调查以评估其影响。

Feb, 2023

通过机器学习方法预测气候变化对农业土地适宜性的风险，以应对全球范围内的粮食短缺和社会冲突。

Oct, 2023

利用深度学习技术的时间序列预测模型，结合分类模型，提升已有模型以支持全球社区在推进食品安全倡议方面的能力。

Jun, 2024

改进气候变化谈判模型所需关注的关键领域包括地理影响、效用框架、历史和文化因素以及气候缓解等，以增强气候变化谈判模型的准确性和效力，为决策者和利益相关者在区域和全球层面上制定有针对性和适当的应对策略。

Jul, 2023