基于机器学习的全球天气模拟器目前的成功能否超越两周的预测,推广到稳定准确的多年运行?最近开发的AI2气候仿真器(ACE)表明,这是可行的,基于10年的模拟,该网络根据基于物理的全球大气模型的输出进行训练,网格间距约为110 km,并受海洋表面温度的重复年度循环的影响。在这里,我们表明,无需修改,ACE可以被训练来模拟另一个主要大气模型EAMv2,在类似小气候偏差的情况下,以可比较的网格间距运行至少10年,这是更广泛适用性的先决条件。通过结合多个时间、空间和频域视角的分析,我们表明ACE忠实地代表了EAMv2降水和相关变量的时空结构。最后,我们表明,预处理的ACE网络能够适应一个新的全球气候模型模拟数据集,与从随机初始化开始时相比,其10个数学方程的训练步骤更少,同时仍保持低水平的气候偏差。对这些微调实验的进一步分析揭示了ACE在不同全球气候模型之间插值的迷人能力。