يعاني كثيرون من التغيرات الجوية والتقلبات الجوية التي تؤثر على جودة الهواء، وهذا يتطلب نماذج دقيقة للتنبؤ بالاحتياجات المستقبلية. هنا يأتي دور AeroChem، نموذج رائد يتميز بتصميم مبتكر يعتمد على الدمج بين الفيزياء والذكاء الاصطناعي.

يمثل AeroChem نموذجًا مغلقًا يتفوق على النماذج التقليدية التي تعتمد فقط على البيانات، والتي غالبًا ما تعاني من مشكلات في الدقة على المدى الطويل. يعتمد هذا النموذج على تصميم ذو فرعين، حيث يقدم أحد الفروع معالجة قائمة على الديناميات غير الخطية (UDE) توفر معلومات فيزيائية هيكلية، بينما يقوم الفرع الآخر، القائم على قياسات افتراضية (Mamba)، بتأصيل السياق الزمني الطويل وإنتاج ملاحظات افتراضية محتملة.

تتميز طريقة دمج البيانات في AeroChem، المسماة Neural Kalman Fusion، بقدرتها على تصحيح الحالة الفيزيائية الكامنة في كل خطوة من خطوات التوقع، مما يساهم في تقليل الانحرافات الطويلة الأمد.

لإثبات كفاءة النموذج، تم استخدام مجموعة بيانات HanoiAir الواقعية، التي تضم تركيزات الملوثات، وحالة الطقس، ومخزون الانبعاثات، حيث أظهرت التجارب أن AeroChem يحسن من استقرار التوقعات طويلة الأمد ويحقق تحسينات في تنبؤ التغيرات المفاجئة.

مع هذا التطور المثير، يبشر AeroChem بثورة في كيفية فهم وإدارة جودة الهواء.

ما رأيكم في هذا التطور؟ شاركونا في التعليقات!