بحث جديد يطور نماذج الذكاء الاصطناعي لمحاكاة تكوّن قطرات المطر بدقة أعلى. يُعدّ عملية تصادم الجسيمات المائية وتكتّرها داخل السحب عملية فيزيائية معقدة يصعب محاكاتها بدقة وكفاءة حاسوبية عالية في آن واحد. ونشر باحثون بقيادة إي كيه دي يونغ نتائج دراستهم في مجلة البحث الجيوفيزيائي: الحوسبة وتعلم الآلة، حيث قارنوا ثلاثة نماذج مختلفة تعتمد على تعلم الآلة لمحاكاة تكتكّر القطرات السحابية. اعتمد الفريق في تدريب هذه النماذج على خوارزميات الترميز التلقائي، مع استخدام بيانات محاكاة ناتجة عن طريقة القطرات الفائقة ضمن محاكاة الدوامات الكبيرة، وهي تقنية تحاكي توزيع أحجام الجسيمات وتفاعلاتها داخل الغيوم بدقة تفوق الأساليب التقليدية. أظهرت المقارنة بين النماذج الثلاثة، والتي شملت إطار عمل SINDy متعدد الحدود، ومشتقة زمنية مدفوعة بالشبكات العصبية، وشبكة عصبية ذاتية الانحدار المنفصلة الزمن، أن نموذج SINDy البسيط حقق أعلى دقة. حيث سجل هذا النموذج أدنى نسبة من عدم اليقين وأفضل قدرة على التعميم خارج نطاق بيانات التدريب، مما يبرهن على أن زيادة تعقيد النماذج لا تؤدي بالضرورة إلى تحسين أدائها. تمكّن النماذج بنجاح من إعادة إنتاج جوانب رئيسية من توزيعات أحجام القطرات، بما في ذلك نمو الحجم المتوسط مع الزمن وأنماط التوزيع ثنائي الذروة التي تعكس التمايز بين قطرات السحب والرطوبة. غير أن هذه النماذج واجهت صعوبة في محاكاة الضوضاء الإحصائية والذروات الضيقة والحادّة داخل التوزيعات. ويشدد الباحثون على ضرورة إجراء فحوصات تشغيلية قبل اعتماد هذه الأدوات رسمياً. وتتمحور الخطوات المستقبلية حول دمج عمليات غيوم إضافية مثل التكثيف والتبخر والعمليات ثنائية الطور، إلى جانب مواءمة المحاكاة مع البيانات الرصدية الجوية لفرض قيود واقعية على النماذج. ويعدّ هذا التقدم خطوة جوهرية نحو تحسين دقة النماذج المناخية وجودة التنبؤات الجوية من خلال توفير أساس حاسوبي أكثر كفاءة لمحاكاة ديناميكيات السحب وهطول الأمطار.