两周，是天气预报的“失忆线”。大气是混沌系统，过了这个窗口，初始场信息基本耗尽；还能记住过去、影响未来一两个月气候的，主要靠海洋。海洋热容量大、环流慢，海冰还会“存记忆”。慢，正是它给S2S预报（次季节到季节）续命的本钱。
S2S管的是两周到几个月的“中间地带”。洪涝、干旱、热浪、寒潮、海洋热浪，很多高影响过程都发生在这个时段；农业、渔业、水务、能源、保险，全等这段预报做决策。
传统路子是把海洋交给“海洋环流模式”（OGCM）。OGCM用偏微分方程硬算，物理严谨，但计算极贵、代码难改。业务预报还要跑大集合，成本更高。大气AI这几年先卷起来了：GraphCast、盘古、GenCast、FuXi、Aurora，速度比数值模式快几百倍，技巧还能反超。海洋AI却慢得多：海盆被大陆和岛屿切碎，深海和极地观测稀疏，海冰、潮汐、风应力、淡水通量又缠在一起。最麻烦的是，海洋变化慢，AI擅长快速反馈，遇到这种长期记忆系统容易飘。
结构上，海王星把两类网络叠在一起。卷积神经网络（CNN）抓局地特征，比如涡旋、锋面、边界流；球面傅里叶神经算子（SFNO）在球面上做谱变换，抓跨洋盆的大尺度联系。海洋本来就是局地加全球耦合出来的，这套组合等于既见树木，又见森林。
模型有两个版本：Neptune-1用1度网格，约100公里；Neptune-025用0.25度网格，约25公里。25公里的意义很大——这个尺度能开始表达中尺度涡旋，那是海洋里输送热量和动量的“主角”。全球模式跑这么细，对数据和算力都是硬仗。
第一关，统计指标。RMSE看误差大小，CRPS看概率预报是否靠谱，ACC看异常空间形态像不像。
第二关，物理自洽。海洋热含量不能越算越飘，涡旋动能不能凭空乱涨，海冰概率评分不能离谱。一句话：不能只会把图画得像，还得在物理上站得住。
第三关，气候指数。ENSO、赤道太平洋20°C等深线Z20、印度洋偶极子IOD，模型都得能再现。能过这一关，说明它学的不是图像滤镜，而是海洋里的慢信号。
ENSO和IOD对中国尤其重要。厄尔尼诺、拉尼娜一动，西太平洋副热带高压、台风路径、南方降水、北方汛期全会跟着调；IOD再通过大气遥相关影响西南和东亚气候。海洋状态学歪，我国的短期气候预测就会偏。
海王星也不是全能神。它不是完整海气耦合模型，海洋不能反过来改变大气。更准确说，它是给下一代S2S系统准备的“AI海洋引擎”，不是整辆车。
方向已经很清楚了：海洋记忆不再是数值模式的专利。AI能学会大气，也能学会那个缓慢、复杂又长期被低估的海洋。下一场S2S竞赛，胜负手在海洋。
— 感谢阅读 · 欢迎点赞关注 · 小编 —
热门跟贴