سبع صور للسماء بعد ثوران بركان بيناتوبو. في كل صورة، خريطة لتركيزات عشرات المواد. السؤال بسيط: أي مادة تتحول إلى أي مادة؟ لكن كيف نستنتج سلسلة الأسباب من سبع لقطات، إذا كان عدد المتغيرات أكبر من عدد اللحظات الزمنية؟
تنظر M-CaStLe إلى الخريطة بطريقة مختلفة. لكل خلية في الشبكة، تُجمع نافذة من تسع جارات: الخلية المركزية وثماني خلايا حولها. هذه النوافذ على الخريطة بالآلاف، وتُعتبر جميعها تكرارات لنفس الآلية المحلية. وبدلاً من سبع ملاحظات زمنية، تحصل الطريقة على آلاف الملاحظات المكانية. كل نافذة تشبه النظر إلى نفس آلية الساعة من زوايا مختلفة.
في الاختبارات الاصطناعية، حيث تكون العلاقات الحقيقية معروفة، وجدت M-CaStLe هذه العلاقات بدقة أعلى من 0.9 حتى مع ستة متغيرات في وقت واحد. وفي مسألة نقل وخلط المواد، بلغ الخطأ في تحديد اتجاه التدفق 4.76 درجة فقط. وبالنسبة لبيانات بيناتوبو، أعادت الطريقة بناء السلسلة SO2 → H2SO4 → SO4 بمقياس F1 يساوي 0.95، بينما لم يجد التحليل المعتاد للسلاسل الزمنية المتوسطة أي علاقة.
على بيانات النينيو، أظهرت الطريقة عدم التماثل المتوقع: درجة حرارة المحيط تؤثر على الحمل الحراري، وليس العكس. وهذا يؤكد أن الطريقة تلتقط الفيزياء الحقيقية، وليس مجرد ملاءمة للإجابة.
سبع صور للسماء كانت كافية لرؤية التروس الخفية. آلاف النوافذ على نفس الآلية تتراكم لتشكل صورة واضحة للأسباب.
بالنسبة لبيانات بيناتوبو، مع 7 شرائح زمنية، حصلت M-CaStLe على 5488 عينة فعّالة لكل متغير، أي أكثر بـ 769 مرة من عدد الملاحظات الزمنية الأصلية.