观察 AI 气象模型学习（与遗忘）热带气旋的过程
大气与海洋物理
2026-03-24 v1
摘要
在气候变化的背景下，人工智能（AI）气象模型有望以更低的成本、更快的速度和更高的准确率预测高影响天气事件。为了实现这一潜力并衡量可信度，有需更多研究探讨模型如何学习极端事件以及这种学习方式如何被改进。本文考察了球面傅里叶神经算子（Spherical Fourier Neural Operator, SFNO）如何学习热带气旋（TCs），通过保存训练期间的每个检查点并分析气旋特定指标来进行研究。我们发现，对于某些气旋，SFNO 在学习 TC 强度方面获得信息，但在后续训练中又遗忘了这些信息。这种遗忘模式与异常湿润环境相关，可能是由于模型遗忘了湿度与 TC 强度之间的关系。本工作提供了一个利用任务特定训练动力学以深化对 AI 气象模型如何学习极端事件理解的示例。
引用
@article{arxiv.2603.20541,
title = {Watch an AI Weather Model Learn (and Unlearn) Tropical Cyclones},
author = {Rebecca Baiman and Ankur Mahesh and Elizabeth A. Barnes},
journal= {arXiv preprint arXiv:2603.20541},
year = {2026}
}