Earth System World Model for What-If Simulations: A Case Study for Terrestrial Ecosystems
作者: Zhihao Wang, Ruichen Wang, Ruohan Li, Lei Ma, George Hurtt, Xiaowei Jia, Gengchen Mai, Shaowen Wang, Yiqun Xie
分类: cs.LG, cs.AI
发布日期: 2026-09-08
备注: Accepted in SIGSPATIAL'26
💡 一句话要点
提出行动条件世界模型以解决地球系统模拟的交互性问题
🎯 匹配领域: 支柱二：RL算法与架构 (RL & Architecture)
关键词: 地球系统模拟 机器学习 生态系统动态 可控干预 行动条件建模 科学工作流 数字双胞胎
📋 核心要点
- 现有的地球系统模拟方法大多是被动的，无法处理用户的干预需求，限制了其在科学研究中的应用。
- 本文提出了一种行动条件的世界建模框架，通过转移-行动预训练和掩蔽响应学习，使模型能够在无标签的情况下学习动态响应。
- 实验结果显示，该模型在六个全球区域的生态系统动态模拟中保持了高准确性，并支持可控的结构干预。
📝 摘要（中文）
机器学习仿真器在加速昂贵的地球系统模拟中变得至关重要，但现有方法大多是被动预测者，无法处理用户指定的干预。这限制了它们在交互科学工作流和地球系统数字双胞胎中的应用。本文提出了一种行动条件的世界建模框架，重新构造模拟器轨迹作为可控状态转移学习的监督信号。关键思想是转移-行动预训练，利用自然观察到的状态变化作为无标签的行动监督，使模型能够学习规定的动态和行动条件响应。我们还引入了掩蔽响应学习，以推断部分状态编辑下的未观察变量并学习耦合系统依赖性。实验表明，该模型在生态系统动态模拟中保持了竞争性的长期仿真准确性，同时实现了可控的结构干预和耦合生态系统循环变量的连贯响应。
🔬 方法详解
问题定义：本文旨在解决现有地球系统模拟方法的被动性，无法满足用户在科学研究中对交互性和干预性的需求。
核心思路：提出了一种行动条件的世界建模框架，通过将自然观察到的状态变化视为无标签的行动监督，从而实现可控的状态转移学习。
技术框架：该框架包括两个主要模块：转移-行动预训练和掩蔽响应学习。前者用于学习系统的动态响应，后者用于推断在部分状态编辑下的未观察变量。
关键创新：最重要的创新在于将无标签的状态变化作为监督信号，使得模型能够在没有手动标注干预的情况下学习复杂的系统动态。
关键设计：在模型设计中，采用了特定的损失函数来优化状态转移的准确性，并设计了适应性网络结构以处理不同的生态系统动态。
🖼️ 关键图片
📊 实验亮点
实验结果表明，该模型在六个全球区域的生态系统动态模拟中，长期仿真准确性保持竞争力，同时实现了可控的结构干预，显示出相较于传统方法的显著提升。
🎯 应用场景
该研究的潜在应用领域包括生态系统管理、气候变化研究和环境政策制定。通过提供可控的模拟工具，研究人员和决策者能够更好地理解生态系统对不同干预的响应，从而制定更有效的管理策略。
📄 摘要（原文）
Machine learning emulators have become essential for accelerating expensive Earth-system simulations, but most existing approaches remain passive forecasters: they reproduce simulator trajectories under prescribed forcings without an explicit interaction mechanism for user-specified interventions. This limits their use in interactive scientific workflows and Earth-system digital twins, where users often need to explore how a system would respond if selected state components were changed. We propose an action-conditioned world-modeling framework for Earth-system emulation that reformulates simulator trajectories as supervision for controllable state-transition learning. The key idea is transition-action pretraining: naturally observed state changes are treated as label-free action supervision, allowing the model to learn both prescribed dynamics and action-conditioned responses without manually annotated interventions. We further introduce masked response learning to infer unobserved variables under partial state edits and learn coupled system dependencies. We test this framework on ecosystem dynamics across six global regions and multiple stand ages. Experiments show that the model preserves competitive long-horizon emulation accuracy while enabling controllable structural interventions and coherent responses in coupled ecosystem-cycle variables. These results suggest a practical route from passive Earth-system emulators toward interactive, intervention-aware scientific surrogates.