توقعات الطقس: التركيز على الجوهر سريع

الأصل: "StretchCast: Global-Regional AI Weather Forecasting on Stretched Cubed-Sphere Mesh"
· Jin Feng
arXiv:2603.27288 · 2026-03-28 · CC BY 4.0 · 1 دقيقة
يتيح نموذج الذكاء الاصطناعي الجديد StretchCast التنبؤ المفصل بالطقس لأي منطقة دون إغفال الصورة العالمية.

📄 معروضة نسخة «بسيط» — «مبسّط» غير جاهزة بعد. أضفه إلى المفضّلة للمساعدة في تسريعها.

الغلاف الجوي نظام فوضوي، والتنبؤ المفصل للكوكب بأسره يتطلب قدرات هائلة. يتجاوز StretchCast هذه المشكلة بالعمل كالعين البشرية: فهو يخلق «رؤية حادة» فوق المنطقة المختارة بشبكة فائقة الدقة، ويرى بقية العالم بشكل ضبابي – لكن بما يكفي لالتقاط الروابط العالمية.

تدرب النموذج على أرشيف مراقبة يمتد لـ25 عاماً، حيث تسخن الشمس المحيطات، وتتبخر الرطوبة وتنشأ الرياح. تغطي الشبكة المكونة من 8000 خلية فقط (أقل بمئات المرات من النماذج المعتادة) الكوكب وتعيد إنتاج الأعاصير بدقة، مع دمج التوقعات بسلاسة عند تقاطعات المناطق. فوضوية الغلاف الجوي هي الإنتروبيا، مقياس الفوضى، والتفصيل المتغير يمنع الضوضاء الحسابية من إغراق الحسابات.

النهج ليس جديداً: ففي أربعينيات القرن العشرين، حلم جون فون نيومان بالتنبؤ العددي بالطقس. واليوم يثبت StretchCast أن التنبؤات الإقليمية المفصلة ممكنة حتى بدون حواسيب فائقة – إنها عين ثاقبة لكل ركن من أركان الأرض.

لتغطية الأرض دون تشوهات عند القطبين، يستخدم StretchCast شبكة مثل كرة القدم – ألواح بأحجام مختلفة.

العلماء
ArchimedesDaniel BernoulliLeonhard EulerAndrey MarkovJascha Sohl-Dickstein
المفاهيم
forecast skill ensemble forecast GPCP نموذج رايت-فيشر دقة التنبؤ معيار مرجعي ERA5 النمذجة العشوائية OISST v2.1 إكس جي بوست IRI rmse