La IA y los problemas difíciles del mundo · Ciencias de la Tierra y del clima · arXiv · 2026-10-22
Atributos de ciclones tropicales en características de autoencoders dispersos de un modelo meteorológico de IA
Título original: Tropical Cyclone Attributes in Sparse Autoencoder Features of an AI Weather Model
Para conocer cómo los modelos meteorológicos de IA representan internamente los ciclones tropicales, los autores analizaron activaciones de autoencoders dispersos en GraphCast a lo largo de 2,115 pasos temporales de seis horas procedentes de 205 ciclones, relacionándolas con la posición, la intensidad y la estructura de presión en cinco descomposiciones Layer-8 y 16 capas del procesador. Cada atributo se relaciona con múltiples características; las relaciones de posición y de estructura de presión se solapan en un subconjunto más pequeño, y esta organización se repite entre SAE independientes y entre capas sin alineación de características. En las capas más profundas, la característica principal de posición se alinea mejor con la posición y la estructura de presión seis horas después que en el presente, lo que sugiere que la organización atributo-relación es un nivel de descripción reproducible para interpretar la información relacionada con ciclones en GraphCast.