أوركسترا من ألف عازف تعزف بتناغم ما دام القائد يحافظ على الإيقاع. لكن بمجرد أن يغيّر النوتة، تبدأ آلات الكمان في زاوية ما بالعزف بصوت أعلى، بينما تدخل آلات النفخ في زاوية أخرى متأخرة. هكذا تقريبًا تعيد المؤشرات المناخية، مثل النينيو، تشكيل سلوك الظواهر الجوية المتطرفة: فالجفاف في منطقة والحرارة الشديدة في منطقة أخرى لم يعودا مجرد صدف مستقلتين، بل يبدآن بالحدوث معًا.

ظل العلماء لفترة طويلة غير قادرين على التقاط هذا الارتباط. النماذج التقليدية افترضت أن بنية الاعتماد بين النقاط ثابتة، وكأن الأوركسترا تعزف دائمًا نفس المقطوعة. العمل الجديد يقدم شبكة عصبية تضغط الحقل المكاني إلى تمثيل كامن، ثم تعيد بناءه مع مراعاة الشرط المناخي. يُدخل المؤشر المناخي إلى الفضاء الكامن عبر تحويل خطي، ويُدمج مع المتغيرات الكامنة قبل تمريره إلى وحدة فك ترميز التفافية.

النتائج مثيرة للإعجاب. على البيانات الاصطناعية، يعيد النموذج إنتاج معامل الاعتماد المتطرف بين أزواج النقاط على أي مسافات تقريبًا دون انحياز. إدخال مؤشر مناخي حقيقي بدلًا من الضوضاء البيضاء يحسن جودة إعادة البناء بشكل ملحوظ، كما أن دوال الأساس القابلة للتعلم تعطي مكسبًا إضافيًا. التجربة الافتراضية مع مؤشر ENSO المقلوب تؤدي إلى تحولات في توزيعات الظواهر المتطرفة المُحاكاة.

الآن لم يعد القائد يكتفي بتحريك العصا، بل يمكنه أيضًا عزف نوتات بديلة. إذا قلبنا النينيو، ستصدر أوركسترا الظواهر المتطرفة صوتًا مختلفًا، وستُظهر الشبكة العصبية كيف يكون ذلك بالضبط. تبقى الأوركسترا نفسها، لكن الموسيقى تتغير، وأخيرًا يمكننا سماعها مسبقًا.