عندما يستمع الإنسان إلى كلام شخص آخر، فإنه يميز الكلمات والنبرة معًا. إذا حذفنا أحدهما، تشوه المعنى. والتنبؤ بالطقس مشابه لذلك: في صورة الأقمار الصناعية توجد تفاصيل دقيقة مثل السحب المنفردة، وأيضًا موجات كبيرة تغطي نصف قارة. في السابق، كانت الشبكات العصبية تجيد رؤية أحدهما جيدًا، لكن ليس كلاهما في الوقت نفسه.
يعمل SFANet كمترجم يقظ. أولًا، يفحص الصورة في أجزاء، محوّلًا الجيران المتجاورين إلى متوسطات حتى لا يغرق في التفاصيل. ثم يحول الصورة إلى تمثيل آخر تظهر فيه الموجات الكبيرة والصغيرة، مثل التدوين الموسيقي. بعد ذلك، تقارن وحدة خاصة بين «الترجمتين» وتقرر أيهما يُعتمد في كل نقطة.
بفضل هذا النهج، يتنبأ النموذج الذي يضم 16.4 مليون معامل بهطول الأمطار بدقة أكبر من المنافسين الأثقل. وبالنسبة لظاهرة النينيو (El Niño)، وهي تيار دافئ في المحيط الهادئ يؤثر على الطقس في جميع أنحاء العالم، يبلغ التحسن 4.7%. وهذا يعني أن التنبؤات ستصبح أكثر موثوقية، دون الحاجة إلى موارد حاسوبية أكثر من ذي قبل.
يستخدم النموذج تحويل فورييه، الذي اخترعه جان-باتيست جوزيف فورييه في عام 1822 لوصف انتشار الحرارة. واليوم يساعد في التنبؤ بالمطر.
في رواية «سولاريس» لستانيسلاف ليم، يُظهر محيط الكوكب ديناميكيات زمانية-مكانية معقدة يصعب التنبؤ بها. إن SFANet، بمعالجتها البيانات في مجالين، تشبه عن بُعد محاولة فهم مثل هذه الأنظمة عبر تمثيلات مختلفة.