تُعتبر العلاقة بين سمك الجليد البحري (Sea Ice Thickness) وارتفاع سطح البحر (Sea Surface Height - SSH) محورية لفهم آليات التغير المناخي في المناطق القطبية وارتفاع مستوى البحر العالمي. ورغم أن نماذج التعلم العميق التقليدية غالبًا ما تواجه صعوبات في تقدير تأثير العوامل في سياقات المناخ، إلا أن الاقتراح الجديد قد يُحدث تحولًا كبيرًا في هذا المجال.

يقترح الباحثون نموذجًا مبتكرًا يسمى نموذج التغيرات الزمنية الموجهة بالمعرفة (Knowledge-Guided Causal Model Variational Autoencoder - KGCM-VAE) كوسيلة لتعزيز تقدير أثر ارتفاع سطح البحر على سمك الجليد البحري. يعتمد هذا الإطار على العلاقات الفيزيائية المثبتة بين SSH وسرعة السطح، مما يمكّن من توليد تعاملات مستمرة زمنياً ومبنية على أسس علمية.

يتضمن النموذج أيضًا استخدام طريقة التباين الأقصى (Maximum Mean Discrepancy - MMD) لتحقيق توازن بين التوزيعات المتلقية والمراقَبة في الفضاء الكامن، مما يقلل من الانحياز الناتج عن العوامل المربكة. وتم تقييم قدرة النموذج باستخدام بيانات صناعية، حيث أظهرت النتائج أن KGCM-VAE يتفوق على النماذج الأخرى في تقدير استجابة سمك الجليد البحري تحت سيناريوهات ارتفاع سطح البحر المفترضة.

بالإضافة إلى ذلك، أُجريت دراسة حالة حقيقية لاستكشاف حساسية المعلمات الفيزيائية لعلاجات معينة ومقارنة هذه النتائج مع دراسة نمذجة قائمة. هذه التطورات تمثل خطوة هامة نحو تطوير نماذج أكثر دقة لفهم التغيرات المناخية، وتعزيز نظامنا المعرفي حول الجليد البحري.

ما رأيكم في هذا التطور؟ شاركونا في التعليقات.