المحسّنات الضوئية الليفية (FSS) تعد ضرورية لمراقبة البيئة نظرًا لحساسيتها العالية للحرارة، لكن البيانات المعقدة التي تنتجها تشكل تحديات للنماذج التنبؤية. يُقدّم هذا البحث نموذج Prion-ViT، وهو نموذج متحول بصري مستوحى من آليات الذاكرة البريونية البيولوجية، بهدف تحسين نمذجة الاعتمادية طويلة المدى ودقة التنبؤ بالدرجة الحرارية باستخدام بيانات FSS. يستفيد Prion-ViT من حالة ذاكرة ثابتة للاحتفاظ بنشر الخصائص الرئيسية عبر الطبقات، مما يقلل من خطأ المعدل المطلق (MAE) إلى 0.71 درجة مئوية ويتفوق على النماذج مثل ResNet و Inception Net V2 والمتحول البصري القياسي. كما يناقش هذا البحث تقنيات الذكاء الاصطناعي القابل للتفسير (XAI)، حيث يتم تقديم وجهة نظر حول الصور النقطية من خلال خرائط الانتباه والبروز، والتي تُظهر المناطق الرئيسية المساهمة في التنبؤات.