IA e os Problemas Difíceis do Mundo · Ciências da Terra e do clima · arXiv · 2026-10-22
Atributos de ciclones tropicais em características de autoencoders esparsos de um modelo climático de IA
Título original: Tropical Cyclone Attributes in Sparse Autoencoder Features of an AI Weather Model
Para entender como os modelos climáticos de IA representam ciclones tropicais internamente, os autores analisaram ativações de autoencoders esparsos no GraphCast ao longo de 2,115 passos temporais de seis horas de 205 ciclones, relacionando-os à posição, à intensidade e à estrutura de pressão em cinco decomposições Layer-8 e 16 camadas de processador. Cada atributo se relaciona com múltiplas características, as relações de posição e de estrutura de pressão se sobrepõem em um subconjunto menor, e essa organização se repete em SAEs independentes e em camadas sem alinhamento de características. Nas camadas mais profundas, a principal característica de posição se alinha melhor com a posição e a estrutura de pressão seis horas à frente do que no presente, sugerindo que a organização atributo-relação é um nível de descrição reproduzível para interpretar informações relacionadas a ciclones no GraphCast.