En ciencia, ingeniería y finanzas, muchos de los riesgos más importantes provienen de eventos de baja probabilidad y alto impacto. Estimar cuán probables son con muestreo Monte Carlo por fuerza bruta, es decir, correr un modelo una y otra vez con entradas aleatorias, puede exigir una cantidad enorme de iteraciones, sobre todo cuando cada muestra sale de un modelo físico costoso.
Los modelos de difusión guiada ofrecen una nueva forma de navegar hacia esos eventos raros, pero la guía introduce un desafío crítico: si un modelo sobremuestrea la cola de una distribución, ¿cómo se estima la probabilidad real de esas muestras?
En un nuevo paper, Towards accurate extreme event likelihoods from diffusion model climate emulators, NVIDIA explora este problema en ciencia climática guiando un emulador de clima basado en difusión hacia tormentas tropicales y calculando razones de probabilidad (odds ratios) entre las probabilidades guiadas y no guiadas.
¿Qué resuelve la difusión guiada para eventos climáticos extremos?
El riesgo de clima extremo suele depender de eventos raros y localizados que son caros de muestrear con simulaciones climáticas tradicionales. Un ciclón tropical cerca de una costa específica, por ejemplo, puede requerir conjuntos muy grandes antes de que aparezcan suficientes casos para estimar su probabilidad con confianza útil. Eso genera un cuello de botella para el análisis de riesgo de recaladas, los experimentos de atribución climática, la planificación de infraestructura y el modelado de seguros.
El trabajo muestra que los emuladores de clima basados en difusión pueden hacer más que generar estados atmosféricos realistas: también entregan estimaciones de probabilidad. Usando NVIDIA cBottle, un generador de estados meteorológicos condicionado por clima, el equipo guía el modelo hacia estados de ciclón tropical y calcula una razón de probabilidad entre las distribuciones guiada y no guiada.
Esto importa porque la guía por sí sola no basta. Si se dirige el modelo hacia eventos raros, los sobremuestrea por diseño. Para usar esas muestras en la estimación de probabilidad hay que saber cuánto cambió la guía su verosimilitud. La razón de probabilidad aporta esa corrección. Una implementación del flujo está disponible en NVIDIA Earth2Studio, la plataforma de inferencia de código abierto para flujos de clima y meteorología con IA, a través del ejemplo CBottleTCGuidance.
De las muestras guiadas a las razones de probabilidad
El flujo de guía de ciclones de cBottle genera muestras atmosféricas condicionadas por la actividad de ciclón tropical que especifique el usuario. En el ejemplo de Earth2Studio, el tensor de guía marca una ubicación deseada cerca de Florida y pide una muestra durante la temporada de huracanes.
Conceptualmente, el modelo compara dos probabilidades para un estado atmosférico generado: la probabilidad bajo el modelo guiado y la probabilidad bajo el modelo no guiado. El logaritmo de la razón entre ambas cuantifica cuánto menos probable es la muestra bajo el modelo no guiado que bajo el guiado. Ese peso habilita el muestreo por importancia: generar más muestras en la región del evento raro y luego reponderarlas para estimar su verosimilitud bajo la distribución climática original.
Correr el muestreo guiado en Earth2Studio
El ejemplo usa el modelo de diagnóstico CBottleTCGuidance incorporado. La configuración carga el paquete por defecto de guía de ciclones de cBottle, que descarga el checkpoint desde NGC.
from earth2studio.models.dx import CBottleTCGuidance
device = torch.device("cuda" if torch.cuda.is_available() else "cpu")
package = CBottleTCGuidance.load_default_package()La ruta rápida está optimizada para la inferencia guiada estándar. Aquí se coloca un único punto de guía cerca de Florida, en latitud 27.0 grados y longitud -82.0 grados, y se pide una marca temporal durante la temporada de huracanes.
lat = torch.tensor([27.0], device=device) # Cerca de Florida
lon = torch.tensor([-82.0], device=device)
times = [datetime(2005, 10, 11, 12)]
model = CBottleTCGuidance.load_model(package, seed=0).to(device)
guidance, coords = model.create_guidance_tensor(lat, lon, times)
guidance = guidance.to(device)
guided_sample, guided_coords = model(guidance, coords)La salida guided_sample contiene el estado atmosférico generado, del que se pueden extraer variables como el viento zonal a 10 metros o la presión a nivel del mar. El ejemplo grafica la componente de viento zonal u10m sobre un dominio del Caribe, lo que ayuda a verificar que el estado generado contiene una estructura de viento coherente con un ciclón tropical cerca de la ubicación pedida.
Calcular el logaritmo de la razón de probabilidad
Muestrear un ciclón guiado es útil, pero el aporte principal de la investigación es poder estimar cuán probable es esa muestra bajo la distribución guiada frente a la base no guiada. El cálculo requiere estimar la divergencia del flujo generativo, que a su vez necesita derivadas de segundo orden a través del modelo. Por eso el ejemplo recarga el modelo con allow_second_order_derivatives=True.
model = CBottleTCGuidance.load_model(
package,
seed=0,
sampler_steps=2,
allow_second_order_derivatives=True,
).to(device)
log_odds_ratio, forward_latents, latent_coords = model.calculate_odds_ratio(
guidance,
coords,
)El ejemplo reduce sampler_steps para acelerar la ejecución. Para muestras de mayor calidad y valores de razón más estables conviene usar la configuración por defecto. Un valor negativo de la razón significa que la muestra es mucho más probable bajo la distribución guiada que bajo el modelo base.
¿Por qué importa para la ciencia climática?
El paper muestra que los emuladores de clima con modelos de difusión pueden entregar información probabilística que hasta ahora no estaba disponible de forma práctica para estados atmosféricos completos. Muchas preguntas climáticas son, en el fondo, probabilísticas: qué tan probable es un ciclón cerca de una costa, cómo cambia esa probabilidad con distintas temperaturas superficiales del mar y si los modelos generativos guiados producen eventos raros de forma más eficiente que la fuerza bruta.
Al combinar generación guiada con diagnósticos de razón de probabilidad, es posible muestrear eventos raros con más frecuencia sin perder la estimación de su verosimilitud bajo la distribución climática base. En el paper, esto permite el muestreo por importancia de estados de ciclón tropical y reduce el error estándar en un 25% frente al Monte Carlo simple.
Oportunidades más allá del clima
Aunque el ejemplo se centra en ciclones tropicales, la idea es más amplia: guiar un modelo generativo hacia una parte rara pero importante de la distribución y luego calcular cuánto cambió la guía la probabilidad de la muestra. Ese patrón podría servir en dominios donde los eventos raros dominan el riesgo, como la resiliencia de redes eléctricas, las pruebas de estrés aeroespaciales, la estimación de riesgo de cola en finanzas, el descubrimiento de materiales, los casos límite en robótica y la simulación molecular.
Próximos pasos de la investigación
Los resultados son tempranos pero prometedores. El muestreo por difusión puede ser costoso, sobre todo cuando el cálculo de la razón de probabilidad exige derivadas de segundo orden. Muestreadores más rápidos, técnicas de destilación o métodos de difusión con menos pasos podrían hacer más escalable la estimación de verosimilitud de eventos raros. Los ciclones tropicales son solo un ejemplo: métodos similares podrían explorarse para ríos atmosféricos, olas de calor, tormentas severas y sequías.
Para más contexto, están disponibles el paper Towards accurate extreme event likelihoods from diffusion model climate emulators, el ejemplo 05_cbottle_tc_guidance.py y el repositorio de NVIDIA Earth2Studio en GitHub.
