この論文は、機械学習を用いた気候の極端イベント、特に熱波の予測の向上という重要な課題に取り組んでいます。著者たちは、特定の時間枠内で地表の空気温度がそのq番目の局所分位数を超えるかどうかを予測する分類問題としてこの研究を位置付けています。主な成果として、アンサンブル予測をパワー平均で集約することで、分類器の性能が大幅に向上することが示されました。また、機械学習による気象予測モデルを生成的にし、非線形集約手法を適用することで、同じモデルからの典型的な平均予測よりも極端な熱イベントの予測精度が改善されることが明らかになりました。さらに、パワー集約手法は、選択された分位数の閾値によって最適なパフォーマンスが変化することから、高い極端値の予測において特に効果的です。