النمذجة المناخية باستخدام المعادلات الت(diffusion) العصبية

بسبب التطور المتميز في تقنية التعلم العميق، ظهرت مجموعة من الجهود الرامية إلى بناء نماذج مناخية تعتمد على التعلم العميق. في حين أن معظم هذه النماذج تستخدم الشبكات العصبية التكرارية و/أو الشبكات العصبية الرسومية، فقد صممنا نموذجًا مناخيًا جديدًا يستند إلى مفهومين رئيسيين: المعادلة التفاضلية العصبية (NODE) ومعادلة الانتشار. تُستخدم معادلة الانتشار لوصف العديد من العمليات الفيزيائية التي تتضمن حركة براونية للجزيئات، ولذلك فهي تُستخدم على نطاق واسع في نمذجة المناخ. من ناحية أخرى، تهدف المعادلات التفاضلية العصبية (NODEs) إلى استخلاص معادلة حاكمة خفية من نوع المعادلات التفاضلية العادية (ODE) من البيانات. في طريقة العرض التي نقدمها، ندمج هذين المفهومين في إطار موحد، ونُقدّم مفهومًا جديدًا يُسمّى "المعادلة العصبية للانتشار" (NDE). يمتلك نموذج NDE، الذي يدمج معادلة الانتشار مع شبكة عصبية إضافية لتمثيل عدم اليقين الداخلي، القدرة على تعلّم معادلة حاكمة خفية مناسبة تصف بأفضل شكل ممكن مجموعة بيانات مناخية معطاة. وقد أظهرت تجاربنا على ثلاث مجموعات بيانات (اثنتان واقعيتان وواحدة مصطنعة) و11 نموذجًا معياريًا، أن طريقة العمل لدينا تتفوّق بشكل متسق على النماذج القياسية الحالية بفارق ملحوظ.