针对这一挑战,北京大学前沿交叉学科研究院国际机器学习研究中心周沛劼助理教授联合北京大学环境科学与工程学院偶阳研究员课题组,在 Nature Climate Change 在线发表了题为《Using Deep Learning to Generate Key Variables in Global Mitigation Scenarios》的研究成果。团队以IPCC第六次评估报告(AR6)情景数据库的1202个减排情景为训练基础,利用变分自编码器(VAE)、生成对抗网络(GAN)等多种深度学习架构,成功生成了覆盖C1-C8八类气候减缓路径的3万条情景,涵盖主要能源结构与温室气体排放等关键变量。实验结果表明,该生成式框架不仅在效率上大幅超越了传统IAMs,实现了海量情景的快速构建,也为多维不确定性评估和政策敏感性分析提供了丰富且可操作的样本。