AI dan Masalah-Masalah Sulit Dunia · Ilmu bumi & iklim · arXiv · 2026-10-22
Atribut Siklon Tropis dalam Fitur Sparse Autoencoder pada Model Cuaca AI
Judul asli: Tropical Cyclone Attributes in Sparse Autoencoder Features of an AI Weather Model
Untuk mempelajari bagaimana model cuaca AI merepresentasikan siklon tropis secara internal, para penulis menganalisis aktivasi sparse autoencoder di GraphCast selama 2,115 langkah waktu interval enam jam dari 205 siklon, mengaitkannya dengan posisi, intensitas, dan struktur tekanan di seluruh lima dekomposisi Layer-8 dan 16 lapisan prosesor. Setiap atribut berkaitan dengan berbagai fitur, relasi posisi dan struktur tekanan tumpang tindih dalam subset yang lebih kecil, dan organisasi ini berulang di berbagai SAE independen dan lapisan tanpa penyelarasan fitur. Pada lapisan yang lebih dalam, fitur posisi terdepan lebih selaras dengan posisi dan struktur tekanan enam jam ke depan daripada saat ini, menandakan bahwa organisasi relasi atribut merupakan tingkat deskripsi yang dapat direproduksi untuk menafsirkan informasi terkait siklon di GraphCast.