في عالم النمذجة الرياضية، يعتبر الكشف عن طرق فعالة لتوقع أنماط الظواهر المعقدة أحد التحديات الرئيسية. وقد جنينا ثمار هذا العمل من خلال تقديم تقنية RD-JEPA، وهي معماريّة تعلم قائمة على الاندماج المشترك تُستخدم في التعلّم الذاتي لمسوّغات المسارات المتعلقة بمعادلات الانتشار والتفاعل.

تقنية RD-JEPA تدرب نموذجًا واحدًا على خمسة أنظمة پارامترية ثم يتم تعديله لثلاثة أنظمة أخرى لا تشملها عملية التدريب، مما يجعلها مثالاً رائعًا على الكفاءة في استغلال البيانات. وبيّنت النتائج أن استخدام RD-JEPA مع واحد، خمسة، أو عشرة مسارات مكتملة من النظام المخصص يؤدي إلى انخفاض ملحوظ في خطأ المجال النسبي المنحنى المتوسط وخطأ الفرق المطلق المكاني الأول.

تمتاز RD-JEPA بتفوق أداءها مقارنة بخمسة نماذج بازل بنظام إشرافي قياسي، وكذلك مع نموذج مُدرّب بشكل مستقل يزيل المسارات التنبؤية، مما يعزز من ثقة الباحثين في قدرتها على توفير نموذج فعّال للتوقعات المستقبلية. إن نتائج RD-JEPA تُظهر كيف يمكن للتنبؤ بتمثيلات الحالة المستقبلية أن يدعم التكيف القائم على البيانات بكفاءة عبر أنظمة الانتشار والتفاعل المرتبطة.