Un intérprete en una negociación capta no solo las palabras, sino también el tono con que se dicen. Si se concentra únicamente en el vocabulario, pasará por alto el sarcasmo o el cansancio en la voz. Si solo atiende a la entonación, tergiversará los detalles del contrato. En el pronóstico del tiempo ocurre algo similar: las imágenes satelitales contienen tanto detalles locales, como celdas de tormenta, como ondas globales que se extienden a través del océano.
Las redes neuronales convencionales, por lo general, eligen una de las dos cosas. Unas examinan la imagen por partes y ven bien las nubes pequeñas, pero no perciben que un ciclón general se cierne sobre el continente. Otras observan todo el mapa de una vez, pero entonces las lluvias individuales se funden en una mancha borrosa. SFANet funciona de otra manera: procesa los datos dos veces, en dos 'idiomas' distintos.
Luego interviene el módulo de atención espaciotemporal. Este compara las dos 'traducciones' y decide a qué información confiar en cada punto del pronóstico. Por ejemplo, para una llovizna débil es más relevante la imagen promediada, mientras que para un frente de tormenta lo son los cambios bruscos. Este enfoque permite que el modelo, con 16,4 millones de parámetros, supere a competidores más pesados: en el conjunto SEVIR, el error MSE se reduce a 2.7308 y la métrica CSI-16 alcanza 0.7887.
Para el pronóstico de El Niño (la corriente cálida que cada pocos años altera el clima en todo el planeta), la mejora es del 4,7% en la métrica clave. Esto es mucho si se considera que de la precisión de dicho pronóstico dependen las cosechas y las reservas de agua. Además, el modelo se entrenó con solo cuatro aceleradores A100, lo que lo hace accesible para los servicios meteorológicos operativos.
Volviendo al intérprete: no solo escucha dos canales, sino que entiende cuándo uno es más importante que el otro. SFANet hace lo mismo con los mapas de precipitación y temperatura. Antes, los modelos meteorológicos se parecían a intérpretes que o bien cerraban los ojos y se concentraban en la entonación, o bien se tapaban los oídos y leían los labios. Ahora existe una manera de oír y ver al mismo tiempo, y eso ya está cambiando la calidad del pronóstico.
El modelo utiliza la transformada de Fourier, inventada por Jean-Baptiste Joseph Fourier en 1822 para describir la propagación del calor. Hoy en día ayuda a predecir la lluvia.
En la novela 'Solaris' de Stanisław Lem, el océano del planeta muestra una dinámica espacio-temporal compleja y difícil de predecir. SFANet, al procesar datos en dos dominios, recuerda vagamente el intento de comprender tales sistemas a través de diferentes representaciones.