본 논문은 기후 변화의 영향 평가 및 미래 기후 시나리오 예측을 위한 효율적인 도구로, 물리 기반 수치 기후 모델의 계산 집약적인 문제를 해결하기 위해 PACER(Physics Informed Uncertainty Aware Climate EmulatoR)를 제안합니다. PACER는 210만 개의 매개변수를 가진 비교적 가벼운 모델로, 다양한 공간 해상도와 물리 기반 기후 모델에서 훈련되었습니다. 10년 동안 여러 표면 레벨에서 온도 필드를 충실하고 안정적으로 에뮬레이션할 수 있습니다. PACER는 대류의 기본 물리 법칙을 통합하고, 확률적 변동성의 원칙적인 불확실성 정량화를 가능하게 하는 음의 로그 우도 목표로 훈련된 자기 회귀 ODE-SDE 프레임워크를 사용합니다. 20개의 기후 모델에 걸쳐 PACER의 에뮬레이션 성능을 입증했으며, 관련 기준선을 능가하고 ML 에뮬레이터에 명시적인 물리 법칙 주입을 향해 나아갑니다.
