AI与世界难题 · 地球与气候科学 · arXiv · 2026-10-22
AI气象模型稀疏自编码器特征中的热带气旋属性
原标题: Tropical Cyclone Attributes in Sparse Autoencoder Features of an AI Weather Model
为了解AI气象模型在内部如何表征热带气旋，作者分析了GraphCast中稀疏自编码器（SAE）的激活值，数据涵盖205个气旋的2,115个六小时时间步，并在五个Layer-8分解和16个处理器层上将这些激活值与位置、强度和气压结构相关联。每个属性都与多个特征相关，位置关系与气压结构关系在较小的子集中相互重叠，且无需特征对齐，这种组织方式便能在相互独立的SAE和不同层之间重现。在更深的层中，最显著的位置特征与未来六小时的位置和气压结构的对齐程度优于与当前时刻的对齐程度，这表明属性-关系组织是解释GraphCast中气旋相关信息的一个可复现的描述层次。