极地涡旋是一团绕着北极打转的冷空气。它有时会被一种叫平流层突然增温（SSW）的事件打乱，冷空气随之往南跑得比平时更远。北美和欧洲的气温会在这种情况下骤降。问题是，这类事件一直很难预测，也就很难提前提醒人们。

打开网易新闻 查看精彩图片

Boscu 等人用机器学习技术，从一个能再现重要大气动力过程的物理模拟中学习 SSW 的行为，从而加速极地涡旋的模拟。他们还多走了一步：反过来分析这个机器学习模型本身，看它是怎么表示极地涡旋的各个方面的。

研究团队用描述平流层变率的 Holton-Mass 模型训练模型。这个模型会给出极地涡旋的两种亚稳态：一种弱，一种强。从强态转向弱态，正是引发 SSW 事件的原因。

他们先确认，自己用条件变分自编码器搭出的模型能再现强、弱两种状态。接着做了一次主成分分析，想弄明白模型是怎么表示这些特征的。结果找到四个可以物理解释的聚类，分别对应强态、弱态，以及两者之间的过渡路径。

研究人员说，这些聚类里藏着一个清晰可解释的信号，能预测极地涡旋是否即将被打乱。这一发现提示，科学家或许可以把这套机器学习模型改作他用，用来更好地预测真实世界里未来的 SSW 事件会在什么时候发生。他们补充说，这项工作也说明，大气中复杂的特征可以用人工智能来建模和理解。

换句话说，模型不只是"算得快"，它内部还留下了能被读懂的痕迹。至于这套方法离实际预警还有多远，研究给出的说法是"可以改作他用"——是可能性，不是已经上线的预报系统。