딥러닝 기반 일반 순환 모델(GCM)의 극한 기상 현상 모사 능력을 평가하기 위해, 하이브리드 NGCM과 순수 데이터 기반 DL\textit{ESy}M을 기존의 HiRAM과 비교 분석했습니다. 1900-2020년 관측된 해수면 온도 및 해빙 자료를 기반으로, 1900-1960년의 out-of-sample 기간 동안 열파 및 한파 발생 빈도와 공간적 패턴을 분석했습니다. 두 DL 모델은 HiRAM과 유사한 수준으로 일반화되었지만, 북아시아 및 북미 일부 지역에서는 모든 모델의 성능이 저조했습니다. DL\textit{ESy}M은 온도 자기상관성으로 인해 열파 및 한파 빈도를 과대평가하는 경향이 있는 반면, NGCM은 HiRAM과 유사한 지속성을 보였습니다.
