灰天鹅工厂：从普通气旋制造极端事件

灰天鹅是指合理但未被观测到的极端事件，它们拓展了我们对短期观测记录之外灾害范围的理解。它们对于动力学研究、合成训练数据、应急规划、基础设施设计和保险灾害评估非常有用。我们提出了一种利用可微分天气预测模型上的损失函数梯度下降，从观测记录中生成灰天鹅的方法。最小化损失对应于在约束条件下（如初始扰动的大小）产生未来可测量结果的扰动初始条件。我们通过改变飓风菲奥娜（2022 年）来说明该方法，该飓风在大西洋上向北移动，以产生类似于飓风桑迪（2012 年）的灰天鹅结果，桑迪在经历独特的向西转向后在美国东海岸登陆。菲奥娜的灰天鹅解涉及对再分析初始条件的小扰动，产生了具有桑迪类路径、暖核和比桑迪低 20 hPa 以上最低海平面气压的温带气旋。对温带状态的扰动比对飓风更重要，导致上层槽和飓风之间的相互作用增强和合并。在其他四个大西洋飓风中也找到了类似的灰天鹅。本工作的一个主要弱点是飓风核心未被用于优化的模型解析，其影响尚不清楚。此外，尽管这些解呈现了合理的结果，但它们并未提供其发生概率的信息。