يتطلب التنبؤ الدقيق بالنظم البيئية استخلاص الحالة من الملاحظات غير المكتملة، ولكن الطرق التقليدية في دمج البيانات كانت غالبا ما تكون عبئا حسابيا بسبب الحاجة إلى التنبؤات المتكررة والمعقدة. وفي خطوة ثورية، تم تقديم STORM، إطار ذكاء اصطناعي مبتكر يعيد صياغة دمج البيانات على أنه عملية باللغة البايزية تستند إلى انتشار العوامل. بمساعدة STORM، تصبح التنبؤات أكثر كفاءة عن طريق استبدال التنبؤات التقليدية بالذكاء الاصطناعي القابل للتوسع.

يمزج STORM بين نموذج التحويل الزمكاني وخوارزمية الانتباه العالمي (Global Attention)، مما يخفض التعقيد من تعقيد رباعي إلى خطي من خلال استغلال تدرجات قابلة للتوسع، مما يتيح نمذجة متقدمة للنظم البيئية ذات الدقة العالية.

يستفيد STORM من ما يصل إلى 74,400 وحدة معالجة رسومية (GPUs) على نظام Frontier، مع كفاءة قوية تتراوح بين 96-99% وإمكانية إتمام 6 ExaFLOPs من المعالجة. كما يسمح بإجراء التجميعات المكونة من 32,768 عضوًا خلال 34 ثانية فقط على 4,096 GPU.

علاوة على ذلك، يدعم STORM حتى 20 مليار رمز زمكاني و177,000 إطار زمني، مما يجعله مناسبًا لتحليلات تتبع الأعاصير وإعادة تقييم المناخ على المدى الطويل. تظهر نتائج العمل على الأعاصير وتحليلات المناخ الفوائد الكبيرة لاستخدام السياقات الزمنية الطويلة، بما في ذلك القدرة على استعادة الحالات الحرارية المتطرفة التي قد تفوتها التنبؤات التقليدية.

فهل تعتقد أن مثل هذه التقنيات ستحدث تحولاً في فهمنا للطبيعة؟ شاركونا آراءكم في التعليقات!