في إطار سعي العلماء لتحسين دقة توقعات الطقس، تم الكشف عن نموذج TC-Next (تنبؤ الإعصار المداري التالي) المبتكر. يعتمد هذا النموذج على التعلم العميق متعدد الأنماط (Multimodal Deep Learning)، ليقدم توقعات دقيقة لحركة الأعاصير المدارية وشدتها في فترات تتراوح بين 6 إلى 24 ساعة.

يستفيد TC-Next من بيانات نماذج الطقس الأساسية (Foundation Model) مع مراعاة متغيرات الكينيماتيكية والثيرموديناميكية الجوية، بالإضافة إلى صور الأقمار الصناعية التي تبثها GridSat. على الرغم من تدريبه فقط على توقعات GraphCast في منطقة المحيط الهادئ الغربية، إلا أن TC-Next أظهر انخفاضًا في أخطاء التوقعات المتعلقة بالحركة بنسبة تتراوح بين 15% و44%، وللشدة بمعدل يصل إلى 6 مرات مقارنةً بالنموذج التقليدي المعتمد على القواعد، TempestExtremes.

لكن ما يجعل TC-Next فريدًا هو قدرته على تقديم توقعات دقيقة دون الحاجة لإعادة تدريب النموذج، إذ إنه يتفوق على TempestExtremes عندما تم تطبيقه على بيانات نماذج Pangu-Weather وIFS HRES. بالإضافة إلى ذلك، عند تطبيقه بشكل مباشر على بيانات WeatherNext Cyclones للموسم الإعصاري في عام 2025، نجح TC-Next في تقليل أخطاء الشدة في كل وقت متوقع، كما أظهر نتائج مماثلة لأخطاء الحركة.

تظهر الدراسات التي أجريت على النموذج (Ablation Studies) أن استخدام TC-Next للنمط المتعدد (Multimodal) يزيد من فعاليته في تقليل الأخطاء في التوقعات المتعلقة بالحركة والشدة، مما يدل على مستقبل مشرق في عالم نمذجة توقعات الطقس.