川海智库

报告概述

本报告详细介绍Mimi.jl，一个基于Julia语言的开源嵌入式领域特定语言（eDSL），专为构建和运行综合评估模型（IAM）而设计。报告阐述了Mimi.jl如何通过简洁的API、模块化结构和内置的蒙特卡洛模拟功能，解决传统IAM工具碎片化、协作困难、可重复性差等问题。内容涵盖平台设计理念、核心API使用、模型构建与修改流程、不确定性分析支持，以及在美国环保署等公共机构中的实际应用案例。对于希望了解如何使用现代计算工具提升IAM研究效率和政策相关性的研究人员与分析师，本报告提供了深入的指导与实例。

报告的核心结论

Mimi.jl通过模块化设计降低集成评估模型开发门槛

平台将模型拆分为独立的组件，用户可专注于自身领域（如气候、经济）的模块开发，无需掌握全部模型细节。这种结构减少了编程复杂性，使非计算机科学背景的研究者也能快速搭建和修改IAM。

Mimi.jl显著提升气候经济研究的可重复性与透明度

所有模型和组件以Julia包的形式托管在GitHub上，利用版本控制和依赖管理确保计算实验的可复现。美国环保署等机构已基于Mimi.jl发布多项政策分析的复现代码，增强了科学结果的可信度。

Mimi.jl已被多个政府机构用于实际气候政策制定

包括美国环保署、纽约州能源研究与发展局、德国联邦环境局在内的机构使用Mimi.jl进行法规影响分析和社会成本估算。例如，EPA利用该平台支持氢氟碳化物逐步淘汰和甲烷减排规则制定。

Mimi.jl支持跨模型比较与结构性不确定性分析

通过统一平台和API，研究者可轻松替换不同气候或经济组件，进行模型间比较和敏感性分析。其附带的GlobalSensitivityAnalysis.jl库进一步量化参数与结构不确定性对结果的影响，为决策提供稳健依据。

报告回答的关键问题

什么是Mimi.jl？

Mimi.jl是一个基于Julia语言的开源嵌入式领域特定语言（eDSL），专为构建、运行和修改综合评估模型（IAM）而设计。它提供一套简洁的API，支持模块化建模、蒙特卡洛模拟、结果可视化等功能，旨在提升气候-经济模型研究的效率、透明度和可重复性。

Mimi.jl如何降低建模者的编程门槛？

Mimi.jl通过抽象化数据管理、索引对齐等底层代码，让用户只需用类似数学公式的语法定义组件参数、变量和计算方程。API设计紧密贴合领域概念，并配有详细文档、教程和在线论坛，使没有深厚编程背景的研究者也能快速上手。

Mimi.jl在气候政策制定中有哪些实际应用？

美国环保署（EPA）使用Mimi.jl进行社会成本核算，支持氢氟碳化物逐步淘汰（AIM法案）和油气行业甲烷减排法规的分析。此外，纽约州能源研究与发展局、德国联邦环境局以及Resources for the Future等机构也将其用于政策研究。

Mimi.jl如何处理模型不确定性？

Mimi.jl内置蒙特卡洛模拟框架，用户可通过@defsim!宏定义随机变量和采样策略（如拉丁超立方、Sobol序列），并在模拟后利用analyze函数进行全局敏感性分析。这允许同时评估参数和结构性不确定性，为决策提供更全面的信息。

有哪些知名研究基于Mimi.jl开展？

已有至少20篇同行评审论文使用Mimi.jl，发表在Nature、Science、Nature Climate Change等顶级期刊。例如，Rennert等人（2022）利用该平台提供了更高的社会成本二氧化碳估算，Tan等人（2024）评估了氢氟碳化物逐步淘汰的收益。

报告中的代表性数据

至少20篇

使用Mimi.jl的同行评审论文数量

截至2026年3月，根据附录B统计，已发表论文涵盖Nature、Science等期刊，涉及社会成本碳估算、气候影响、政策评估等领域。

2015

Mimi.jl首次发布年份

2015，Mimi.jl 1.5.3版本于2026年发布，但软件自2015年起可用。

至少3项

美国环保署（EPA）基于Mimi.jl的关键政策分析数量

2021-2024，包括氢氟碳化物逐步淘汰规则、甲烷减排规则和社会成本温室气体报告（2023年）。

以上数据根据报告摘要整理，具体统计口径和数值请以完整报告原文为准。

完整报告包含什么

  • 完整的Mimi.jl API参考与核心类型、函数表格（Table A.1），涵盖模型构建、结果访问、修改及蒙特卡洛模拟的所有关键操作。
  • 详细的构建新模型步骤指南，包括使用@defcomp定义组件、通过set_dimension!和add_comp!组合模型、以及使用update_param!和connect_param!设定参数与连接。
  • 结果访问与可视化方法的深入说明，包括getindex（返回数组）、getdataframe（返回带标签的DataFrame）以及explore（交互式UI图表）三种方式。
  • 现有模型的参数修改和结构修改教程，演示如何替换组件（如用FaIR气候模型替换简单TCRE模块）并自动处理连接清理。
  • 蒙特卡洛模拟与全局敏感性分析的完整工作流，包括@defsim!宏定义、随机变量分配、采样策略选择、结果分析与敏感性方法（Sobol、Delta矩独立法）。
  • Mimi.jl设计理念的深入剖析，涵盖降低学习曲线、限制错误的保守检查策略、以及领域特定错误消息的设计原则。
  • 可重复性与透明性机制说明，包括模型和组件以Julia包形式托管于GitHub、版本控制与依赖管理、以及EPA等机构公开的复现代码库。
  • 与Mimi配合使用的扩展库介绍，如OptiMimi.jl（优化接口）和GlobalSensitivityAnalysis.jl（全局敏感性分析），并展示其如何增强平台功能。
  • Mimi.jl在学术界的详细使用案例，包括GreenDICE（自然资本价值）、Benveniste等人（边境政策与移民）、Errickson等人（甲烷循环组件比较）等论文的模型修改思路。
  • 完整的参考文献列表和附录B中的20余篇Mimi.jl相关同行评审论文目录，为文献追溯提供依据。

本页内容由川海智库整理，用于帮助读者快速了解报告主题、核心观点和主要内容。由于报告量大、人工能力有限，部分观点、数据、统计口径或表述可能存在偏差，具体内容请以完整报告原文为准。

相关报告