Bu məqalə Science X-nin redaktorluq prosesi və siyasətlərinə uyğun olaraq nəzərdən keçirilib. Tərcüməçilər məzmunun etibarlılığını təmin edərkən aşağıdakı xüsusiyyətləri vurğulayıblar:
Tədqiqatçılar nadir məlumatlardan dəniz səthinin temperaturunu ekstropolamaq üçün bir üsul hazırladılar ki, bu, digər ümumi istifadə olunan hesablama metodlarından əhəmiyyətli dərəcədə daha dəqiq və ən yaxşı performans göstərən AI modelindən bir qədər daha dəqiqdir. İş həm qısa müddətli hava proqnozları, həm də daha uzunmüddətli iqlim proqnozları üçün təsirlidir.
"Dəniz səthindəki temperaturlar (SST) dəniz ekosistemlərindən və iqlimdən başlayaraq hava proqnozlarına qədər hər şeyi başa düşmək üçün əsas amildir, lakin bu məlumatları toplamaq qabiliyyətimizin məhdudlaşdırılması var, buna görə də tez-tez nadir və ya məhdud məlumatlara sahibik", - Şimali Karolina Dövlət Universitetində riyaziyyat üzrə dosent və tədqiqatın müvafiq müəllifi Məhəmməd Farazmand deyir.
SST məlumatları buoylar və peyklər kimi mənbələrdən toplanır, lakin hər metodda məhdudiyyətlər var. Buoylar daha dəqiqdir, lakin sayları məhduddur, peyklər daha çox sahəni əhatə edir, baxmayaraq ki, atmosfer şəraiti onların dəqiqliyini pozmaqda kömək edə bilər. Beləliklə okeanqrafiyaçılar dəniz səthinin temperaturunun ən dəqiq təxminlərini əldə etmək üçün mürəkkəb riyazi modellərdən istifadə edirlər.
Farazmand deyir: "Tarixən Milli Okean və Atmosfer İdarəsi (NOAA) kimi federal qurumlar bu temperaturları nadir məlumatlardan hesablamaq üçün mürəkkəb fərq tənliklərinin birləşməsindən istifadə ediblər".
"Son zamanlar bəzi süni intellekt və ya maşın öyrənmə modelləri inkişaf etdirilmişdir, lakin onlar həm hesablama baxımından, həm də onları təlim etmək üçün lazım olan vaxt baxımından bahalıdır. Biz metodumuzun Diskret Empirik Interpolasyon Metodu (DEIM) və daha yeni süni intellekt modellərinin kimi müxtəlif hesablama metodlarına necə uyğunlaşdığını görmək istəyirik".
Xülasə — davamını mənbədə oxuyun.
