Una orquesta de mil músicos toca en armonía mientras el director mantiene el compás. Pero si cambia la partitura, los violines en un rincón empiezan a sonar más fuerte y los vientos en otro entran tarde. Así, los índices climáticos como El Niño reorganizan el comportamiento de los fenómenos meteorológicos extremos: la sequía en una región y el calor en otra dejan de ser casualidades independientes y comienzan a ocurrir juntos.

Los científicos no lograban captar esta relación. Los modelos clásicos suponían que la estructura de dependencia entre puntos era fija, como si la orquesta siempre tocara la misma pieza. El nuevo trabajo propone una red neuronal que comprime el campo espacial en una representación latente y luego la reconstruye teniendo en cuenta la condición climática. El índice climático se introduce en el espacio latente mediante un mapeo lineal y se intercala con las variables latentes antes de alimentar un decodificador convolucional.

Los resultados son impresionantes. Con datos sintéticos, el modelo reproduce casi sin sesgo el coeficiente de dependencia extrema entre pares de puntos a cualquier distancia. Incluir un índice climático real en lugar de ruido blanco mejora notablemente la calidad de la reconstrucción, y las funciones base aprendibles aportan una ventaja adicional. Un experimento contrafáctico con el índice ENSO invertido produce cambios en las distribuciones de los extremos simulados.

Ahora el director no solo puede mover la batuta, sino también ensayar partituras alternativas. Si invertimos El Niño, la orquesta de extremos sonará distinto, y la red neuronal mostrará exactamente cómo. La orquesta sigue siendo la misma, pero la música cambia, y por fin podemos escucharla de antemano.