كل بضع سنوات، يظهر بقعة دافئة في المحيط الهادئ قبالة سواحل أمريكا الجنوبية. إنها كبيرة لدرجة أنها تغير الطقس حول العالم. يسميها العلماء إل نينيو. التنبؤ بها صعب: النماذج الحاسوبية البسيطة تحسب جيدًا عدد مرات حدوثها لكنها لا ترى التفاصيل. النماذج المعقدة ترى أكثر لكنها كثيرًا ما تخطئ وتتطلب وقتًا طويلًا للحساب.
مؤلفو الدراسة الجديدة صنعوا هجينًا من نموذجين. الأول بسيط، وهو مثل العازف المنفرد في الأوركسترا: يضبط الإيقاع، أي يحدد متى نتوقع حدثًا دافئًا. الثاني معقد، وهو مثل بقية الموسيقيين: يتكيف مع العازف المنفرد ويكمل الصورة الكاملة للمحيط. داخل النموذج المعقد تعمل شبكة عصبية (neural network)، وهي برنامج حاسوبي يتعلم من البيانات. تم تدريبها على تشغيل طويل لنموذج آخر، ثم تم تدريبها إضافيًا على الملاحظات الحقيقية.
أُدير النموذج لمدة 1000 عام، وحُللت آخر 960 عامًا. أظهر الهجين إيقاعات صحيحة لإل نينيو: قمم نشاط كل 3–4 سنوات. كما وضع البقع الدافئة في المحيط بدقة، مصححًا أخطاء النموذج المعقد. سابقًا كان من غير الواضح كيف نجمع بين البساطة والدقة، والآن أصبح واضحًا: يمكن دمج نموذجين، ويعملان معًا أفضل من كل منهما منفردًا. هذه الطريقة ستكون مفيدة لتدريب برامج التنبؤ ولدراسة الأحداث النادرة.
نموذج يحتوي على 40 مليون معلمة للشبكة العصبية يعمل جنبًا إلى جنب مع نموذج عشوائي بسيط لا يتطلب تقريبًا أي موارد حاسوبية، وهما معًا أسرع من CESM2 وأدق إحصائيًا.