📄 معروضة نسخة «بسيط» — «متقدم» غير جاهزة بعد. أضفه إلى المفضّلة للمساعدة في تسريعها. اطلب التحليل الكامل

في التدفق المضطرب — كما في النهر الجارف — تنتقل الطاقة باستمرار من الدوامات الكبيرة إلى الصغيرة. أحيانًا تنشأ ارتفاعات قوية بشكل خاص، تشبه الضربات المفاجئة للموجة على الشاطئ. تساءل العلماء: هل يمكن معرفة مسبقًا متى ستضرب مثل هذه «الموجة»؟ اتضح أن الإجابة تعتمد على نوع الدوامات الموجودة في التدفق في تلك اللحظة.

النمذجة العشوائية للتدفق ثنائي الأبعاد (المسطح مثل سطح الماء) أظهرت أن لكل ارتفاع متطرف في الطاقة أفق تنبؤ خاص به. يمكن توقع بعض الارتفاعات قبل فترة فوضوية واحدة — وهي الوقت الذي «ينسى» فيه التدفق حالته الأولية تمامًا. بينما يمكن توقع أخرى لأكثر من أربع فترات من هذا القبيل. الأمر كله يتعلق بعمر الهياكل الدوامية الكبيرة، التي يسميها العلماء «حزم الدوامات الرباعية القطب». تشبه هذه الهياكل أربع دوامات مترابطة تدور معًا.

عندما تعيش هذه الحزم الدوامية طويلاً، فإنها «تنظم» التدفق وتجعل سلوكه أكثر قابلية للتنبؤ. وعندما تتفكك بسرعة، يصبح التدفق فوضويًا ويتقلص أفق التنبؤ بشكل حاد. تم التوصل إلى هذا الاستنتاج بمساعدة شبكة عصبية دربت على آلاف التجارب العددية. تعلمت الشبكة العصبية التنبؤ بارتفاعات الطاقة، ثم قام العلماء بقياس مدى دقة تنبؤاتها في المستقبل.

هذا النهج يشبه توقع الطقس من خلال سلوك الغيوم: لا حاجة لحل معادلات معقدة، يكفي التعرف على نوع الغيوم ومعرفة المدة التي تعيشها عادةً. وهذا يفتح الطريق لتقدير حدود قابلية التنبؤ من الملاحظات الحقيقية — دون حسابات مكلفة.

الملخص الأصلي

كما كتبه المؤلفون، بالإنجليزية arXiv:2603.13789

Extreme-event predictability in turbulence is strongly state dependent, yet event-by-event predictability horizons are difficult to quantify without access to governing equations or costly perturbation ensembles. Here we train an autoregressive conditional diffusion model on direct numerical simulations of the two-dimensional Kolmogorov flow and use a CRPS-based skill score to define an event-wise predictability horizon. Enstrophy extremes exhibit a pronounced hierarchy: forecast skill persists from $$\approx 1$$ to $$> 4$$ Lyapunov times across events. Spectral filtering shows that these horizons are controlled predominantly by large-scale structures. Extremes are preceded by intense strain cores organizing quadrupolar vortex packets, whose lifetime sharply separates long- from short-horizon events. These results identify coherent-structure persistence as a governing mechanism for the predictability of turbulence extremes and provide a data-driven route to diagnose predictability limits from observations.