Beyond Linear Superposition: Discovering Climate Features in AI Weather Models with KAN-SAE

En 3 lignesKAN-SAE, un nouvel autoencodeur creux utilisant des activations B-spline non-linéaires de réseaux de Kolmogorov-Arnold, découvre 975 caractéristiques climatiques dans les modèles de prédiction météo (vs 566 pour les SAE linéaires). Sans supervision climatique, il identifie des phénomènes interprétables comme les vagues de chaleur européennes et les typhons du Pacifique.

Résumé généré par Claude — vérifié par l'humain