GraphCast：数据驱动天气预报

GraphCast 在图神经网络上以自回归方式预报大气状态，网格采用二十面体划分，训练数据来自数十年再分析资料（ERA5）。

报告结果：在绝大多数检验变量与预报时效上优于业务确定性基线；10 天预报在单张加速器上 不到一分钟即可完成，而传统数值模式需超级计算机运行数小时。

工程启示：这是学习型代理模型能够补充、并在部分场景下超越第一性原理数值求解器的最有力证据， 且计算成本仅为其一小部分。