在没有极端数据的情况下生成极端事件场景

麻省理工学院工程师开发了一种名为"Extreme Event Aware"（或η-learning）的机器学习算法，旨在生成无需极端历史数据即可模拟未来极端事件及最坏情景的工具。该方法通过统计学习区域日常天气记录与地图数据，排除不合理场景并生成具有特定发生频率（如每 100 年一次）的极端风暴、热浪或野火特征，包括其持续时间、强度及影响范围。MIT 研究生 Kai Chang 表示，此工具旨在量化尚未在数据集中出现但可能发生的、比过去所有事件更严峻的不可预见极端事件，以辅助规划者进行准备。相关成果已发表于《Nature Communications》期刊。此外，该算法还可应用于机器人导航和金融市场等其它领域，用于分析导致市场崩溃等复杂极端事件的相互作用机制。