টসিংহুয়া বিশ্ববিদ্যালয় UniCM নামক একক মডেলিং পদ্ধতি প্রস্তাব করেছে যা বিভিন্ন জলবায়ু মোড সমন্বয় করে জলবায়ু পূর্বাভাসের মান উন্নত করে।

লেখক, উৎস: 36Kr

【পরিচিতি】 ক্লার্ক টিম একটি ইউনিফাইড ফ্রেমওয়ার্কের মাধ্যমে বিভিন্ন জলবায়ু মোডের পারস্পরিক ক্রিয়াকলাপ শেখার জন্য UniCM মডেল প্রস্তাব করেছে, যা AI-কে বিশ্ব জলবায়ু সিস্টেমের জটিল সম্পর্কগুলি বুঝতে সাহায্য করে। এই বিপ্লবটি কেবলমাত্র জলবায়ু পূর্বাভাসের সঠিকতা এবং সময়মতোতা বাড়ায়, বরং AI-কে জলবায়ু কার্যপ্রণালী অনুসন্ধানের একটি সরঞ্জামে পরিণত করে, যা দুর্যোগ প্রতিরোধ, কৃষি এবং অন্যান্য ক্ষেত্রের জন্য গুরুত্বপূর্ণ।

জলবায়ু পূর্বানুমানের কথা উল্লেখ করলে, সবচেয়ে বেশি পরিচিত হয়ে উঠেছে এল নিনিও (ENSO)।

তবে, বিশ্ব জলবায়ু একটি একক জলবায়ু ঘটনার দ্বারা নির্ধারিত হয় না। ENSO-এর পাশাপাশি, ভারতীয় মহাসাগরীয় দ্বিপোল (IOD), ট্রপিকাল উত্তর আটলান্টিক মোড (TNA), উত্তর প্রশান্ত মহাসাগরীয় অক্ষীয় মোড (NPMM) সহ অনেকগুলি জলবায়ু মোড একসাথে বিদ্যমান এবং মহাসাগরীয় ব্যাপ্তির মধ্যে দূরত্বের সম্পর্ক এবং সমুদ্র-বাতাসের 상호作用ের মাধ্যমে একটি গতিশীলভাবে সংযুক্ত বিশ্বব্যাপী ব্যবস্থা গঠন করে।

দীর্ঘ সময় ধরে, বেশিরভাগ পূর্বাভাস পদ্ধতি একক জলবায়ু মোডের উপর মনোনিবেশ করেছে বা কেবলমাত্র কয়েকটি মোডের মধ্যে সম্পর্ক অধ্যয়ন করেছে, যা বিশ্বব্যাপী জলবায়ু ব্যবস্থার জটিল অরৈখিক পারস্পরিক ক্রিয়াকলাপগুলির চিত্রণ করতে কঠিন হয়ে পড়েছে। UniCM একটি একক, সমন্বিত কাঠামোতে একাধিক প্রধান জলবায়ু মোডকে অন্তর্ভুক্ত করে, যা বিশ্বব্যাপী সমুদ্র-বাতাসের ব্যবস্থাকে একটি পারস্পরিকভাবে সংযুক্ত সমগ্রতা হিসাবে বিবেচনা করে।

সম্প্রতি, তসিংহুয়া বিশ্ববিদ্যালয়ের ইলেকট্রনিক ইঞ্জিনিয়ারিং বিভাগের প্রফেসর লি ইয়ং-এর দল ন্যাচার মেশিন ইন্টেলিজেন্স-এ “লার্নিং দ্য কাপলড ডাইনামিকস অফ গ্লোবাল ক্লাইমেট মোডস” শিরোনামে একটি গবেষণা পত্র প্রকাশ করেছেন, যেখানে তারা গ্লোবাল ক্লাইমেট মোডের একীকৃত পূর্বানুমান মডেল UniCM (ইউনিফাইড ক্লাইমেট মডেল) প্রস্তাব করেছেন।

পেপারের লিঙ্ক: https://www.nature.com/articles/s42256-026-01245-5

গবেষণা দল পাওয়া গেছে যে, জলবায়ু ব্যবস্থার পূর্বানুমানযোগ্যতা শুধুমাত্র একক জলবায়ু ঘটনাগুলির নিজস্ব বৈশিষ্ট্য থেকে আসে না, বরং এগুলির মধ্যে দীর্ঘস্থায়ী সংযোগ সম্পর্কগুলি থেকেও আসে। এই সংযোগ গতিবিদ্যা শিখে, UniCM প্রচলিত পদ্ধতিগুলির দ্বারা কঠিনভাবে ব্যবহারযোগ্য «উদ্ভূত পূর্বানুমানযোগ্যতা» (Emergent Predictability) মুক্ত করে।

এই গবেষণা পারম্পরিক জলবায়ু পূর্বাভাসের “একক মোড, পৃথকভাবে পূর্বাভাস” ধারণাকে চ্যালেঞ্জ করে, প্রথমবারের মতো বিশ্বব্যাপী সংযুক্ত সিস্টেমের দৃষ্টিকোণ থেকে বহু মহাসাগর-বায়ুমণ্ডলীয় জলবায়ু মোডের মধ্যে জটিল গতিবিদ্যামূলক সম্পর্কগুলি একত্রিতভাবে শেখে, যা দীর্ঘমেয়াদি জলবায়ু পূর্বাভাস, চরম জলবায়ু ঘটনা সতর্কতা এবং এআই-চালিত জলবায়ু বিজ্ঞানের আবিষ্কারের জন্য একটি নতুন গবেষণা পদ্ধতি প্রদান করে।

গবেষণার পটভূমি

গত কয়েক বছরে আবহাওয়া পূর্বাভাসের ক্ষেত্রে কৃত্রিম বুদ্ধিমত্তা দ্রুত উন্নতি লাভ করেছে। বিভিন্ন এআই মডেল এখন কয়েক দিন থেকে কয়েক সপ্তাহের সময়সীমায় উচ্চ সঠিকতার সাথে আবহাওয়া পূর্বাভাস দিতে সক্ষম।

তবে, জলবায়ু পূর্বানুমান দীর্ঘতর সময়কালের বিষয়গুলির উপর মনোনিবেশ করে: পরবর্তী মাস, বছর বা তারও বেশি সময়ের জন্য বিশ্ব জলবায়ু ব্যবস্থা কীভাবে বিকাশ লাভ করবে? কোন অঞ্চলগুলিতে শুকনো আবহাওয়া, বন্যা, তাপপ্রবাহ ইত্যাদি চরম ঘটনা দেখা দিতে পারে? এই প্রশ্নগুলির সঙ্গে সমুদ্র এবং বাতাসের বিভিন্ন ব্যবস্থার মধ্যে জটিল স্কেল-অতিক্রমকারী পারস্পরিক ক্রিয়াকলাপ জড়িত।

বর্তমান পদ্ধতিগুলি প্রায়শই জলবায়ু মোডগুলিকে পরস্পর স্বাধীন বস্তু হিসাবে বিবেচনা করে, যখন বাস্তব জগতের জলবায়ু ব্যবস্থা একটি অত্যন্ত সংযুক্ত জটিল নেটওয়ার্ক। AI কীভাবে শুধুমাত্র 'পূর্বাভাস দিতে পারে' তার বাইরে, এই মোডগুলির মধ্যে দীর্ঘমেয়াদী সংযোগের সম্পর্কগুলি বুঝতে বিজ্ঞানীদের সাহায্য করতে পারে, তা AI for Science-এর একটি গুরুত্বপূর্ণ চ্যালেঞ্জ।

"দ্বিপর্যায়" একীভূত জলবায়ু মডেল

এই সমস্যা সমাধানের জন্য গবেষণা দল UniCM ডুয়াল-ব্রাঞ্চ আর্কিটেকচার ডিজাইন করেছে।

মডেলটিতে দুটি কেন্দ্রীয় মডিউল রয়েছে:

1. Globalformer: স্থানীয় পদার্থবিদ্যার বিকাশ শেখা

Globalformer সমুদ্রের পৃষ্ঠের তাপমাত্রা (SST), বায়ু প্রয়োগ, থার্মোক্লাইনের গভীরতা এবং উপরের সমুদ্রের তাপমাত্রা সহ প্রধান ভৌত চলকগুলি প্রক্রিয়াকরণ করে, যা সূক্ষ্ম জলবায়ু ক্ষেত্রগুলি থেকে জলবায়ু ব্যবস্থার স্থান-সময় বিকাশের নিয়মগুলি শিখে।

2. মোডফর্মার: জলবায়ু মোডগুলির মধ্যে সম্পর্ক শেখা

মোডফরমার এনসিও, আইওডি, টিএনএ, এনপিএমএম, এসপিএমএম, আইওবি এবং এসআইওডি সহ সাতটি গুরুত্বপূর্ণ জলবায়ু মোডের উপর ফোকাস করে, এগুলির মধ্যে অরেখিক পারস্পরিক ক্রিয়া এবং সাধারণ বিকাশের প্রক্রিয়া শেখে।

এর চেয়ে বেশি গুরুত্বপূর্ণ হলো, UniCM একটি দ্বিমুখী কাপলিং মেকানিজম তৈরি করে: একদিকে, স্থানীয় ভৌত ক্ষেত্রগুলি বড় স্কেলের জলবায়ু মডেল তৈরি করে; অন্যদিকে, গঠিত জলবায়ু মডেলগুলি পুনরায় স্থানীয় ভৌত ক্ষেত্রের ভবিষ্যৎ বিকাশকে প্রভাবিত করে। গবেষণা দল এই মেকানিজমকে "mode-to-patch guidance" নামে ডাকে, যা বড় স্কেলের জলবায়ু অবস্থার সাহায্যে স্থানীয় পূর্বাভাসকে নির্দেশিত করে, যা স্থানীয় থেকে সমগ্রের দিকে, এবং পরবর্তীতে সমগ্র থেকে স্থানীয়ের দিকে একটি বন্ধ চক্র মডেলিংয়ের অনুমতি দেয়।

ENSO কে বিশ্বের সবচেয়ে গুরুত্বপূর্ণ জলবায়ু মডেলগুলির একটি হিসাবে বিবেচনা করা হয় এবং দীর্ঘমেয়াদি জলবায়ু পূর্বাভাসের ক্ষেত্রে সবচেয়ে চ্যালেঞ্জিং কাজগুলির মধ্যে একটি।

অধ্যয়নের ফলাফল দেখায় যে, 1980–2023 এর পর্যবেক্ষণ ডেটা পরীক্ষায়, UniCM 24 মাসের পূর্বানুমান উইন্ডোতে বিভিন্ন প্রতিনিধিত্বকারী বেসলাইন মডেলের চেয়ে স্থিরভাবে ভালো পারফর্ম করেছে। মডেলটি ENSO-এর কার্যকরী পূর্বাভাসের সময়কালকে 19 মাসে বাড়িয়েছে, যখন আগের উন্নত মডেলগুলি সাধারণত 15 থেকে 16 মাসের কাছাকাছি পৌঁছত।

একইসাথে, ইউনিসিএম দীর্ঘকাল ধরে জলবায়ু পূর্বাভাসের ক্ষেত্রে সমস্যা হিসাবে বিবেচিত “বসন্তকালীন পূর্বাভাসযোগ্যতা বাধা” সমস্যার ক্ষেত্রেও স্পষ্ট সুবিধা প্রদর্শন করে। মডেলটি উত্তর গোলার্ধের বসন্তকাল অতিক্রম করার সময়ও উচ্চ পূর্বাভাস দক্ষতা বজায় রাখে এবং কার্যকরী পূর্বাভাস ক্ষমতা 14 মাসেরও বেশি সময় পর্যন্ত বাড়িয়ে দেয়।

এছাড়াও, ইউনিসিএম সফলভাবে ১৯৯৭–১৯৯৮ এর সুপার এল নিনিও ঘটনা এবং ২০২০–২০২৩ এর ক্রমিক তিন বছরের “ট্রিপল লা নিনিয়া” ঘটনার পুনরাবৃত্তি করেছে, এই ঐতিহাসিক চরম ঘটনাগুলির উৎপত্তি, বিকাশ এবং ক্ষয়ের প্রক্রিয়াকে সঠিকভাবে ধরে রেখেছে।

UniCM শুধুমাত্র ENSO পূর্বাভাস দিতে পারে না, একই কাঠামোর মধ্যে ENSO, IOD, IOB, SIOD, SPMM, NPMM এবং TNA সহ সাতটি গুরুত্বপূর্ণ জলবায়ু মোড একসাথে পূর্বাভাস দিতে পারে।

ফলাফল দেখায় যে, মডেলটি বিভিন্ন জলবায়ু মোডের উপর বর্তমানে প্রতিনিধিত্বকারী পদ্ধতিগুলির চেয়ে ভালো পূর্বাভাস দেয়। বিশেষ করে, কিছু কঠিন পূর্বাভাসযোগ্য ENSO-ছাড়া মোডের জন্য, গড় পূর্বাভাস দক্ষতা 22% এর বেশি বৃদ্ধি পায়; IOD-এর জন্য প্রাসঙ্গিক পূর্বাভাসের সময়কাল প্রায় 7 মাস পৌঁছেছে।

এর চেয়ে বেশি, UniCM বিভিন্ন জলবায়ু মোডের মধ্যে বাস্তবিক দেরি সম্পর্কগুলি সঠিকভাবে পুনর্গঠন করতে পারে। উদাহরণস্বরূপ, এটি NPMM-এর 4 মাস আগে ENSO-কে অগ্রাধিকার দেওয়ার ভৌত সম্পর্ক এবং বিভিন্ন মহাসাগরীয় জলবায়ু মোডের মধ্যে কাপলিং কাঠামোকে সফলভাবে পুনরুৎপাদন করেছে।

এটি নির্দেশ করে যে মডেলটি কেবলমাত্র পরিসংখ্যানগত সহসম্পর্ক শিখেনি, বরং বিশ্বব্যাপী জলবায়ু ব্যবস্থায় বিদ্যমান পদার্থবিদ্যাগত সংযোগ প্রক্রিয়াগুলি শিখেছে।

পূর্বাভাসের ক্ষমতার পাশাপাশি, UniCM-এর উল্লেখযোগ্য ব্যাখ্যাযোগ্যতা রয়েছে।

গবেষণা দল মডেলের অভ্যন্তরীণ মনোযোগ কৌশল বিশ্লেষণ করে দেখেছেন যে, বড় ENSO ঘটনার আগে, মডেলটি ভৌত অর্থপূর্ণ গুরুত্বপূর্ণ অঞ্চল এবং গুরুত্বপূর্ণ মোড সম্পর্কগুলিতে স্বয়ংক্রিয়ভাবে ফোকাস করে।

উদাহরণস্বরূপ, 1997 সালের অতিশয় এল নিনিও ঘটনার আগে, মডেলটি এনপিএমএম-এর গুরুত্বপূর্ণ পূর্বাভাসী ভূমিকা শনাক্ত করেছিল; কিছু জটিল জলবায়ু ঘটনার ক্ষেত্রে, টিএনএ-এর একটি কী হাব ভূমিকা থাকতে পারে বলে পাওয়া গেছে। সংশ্লিষ্ট আবিষ্কারগুলি পূর্ববর্তী জলবায়ু পদার্থবিদ্যা গবেষণার ফলাফলের সাথে অত্যন্ত সামঞ্জস্যপূর্ণ।

এর অর্থ হল যে UniCM শুধু ভবিষ্যতের জলবায়ু অবস্থা পূর্বানুমান করতে পারে না, বরং বিজ্ঞানীদের সম্ভাব্য কার্যপ্রক্রিয়া আবিষ্কার করতে এবং নতুন বৈজ্ঞানিক অনুমান প্রস্তাব করতে সাহায্য করে, ফলে এটি জলবায়ু বিজ্ঞান গবেষণার একটি গুরুত্বপূর্ণ সহায়ক টুল হয়ে উঠেছে।

ভবিষ্যতের প্রয়োগ এবং উন্নয়নের দিকনির্দেশ

গ্লোবাল জলবায়ু পরিবর্তনের প্রেক্ষাপটে, দীর্ঘমেয়াদি জলবায়ু পূর্বাভাসের গুরুত্ব দিন দিন বেড়ে চলেছে। আরও সঠিক এবং দীর্ঘমেয়াদি জলবায়ু পূর্বাভাস সরাসরি কৃষি উৎপাদন, জলসম্পদ ব্যবস্থাপনা, শক্তি বণ্টন, মৎস্য উন্নয়ন এবং দুর্যোগ প্রতিরোধ ও হ্রাসের ক্ষেত্রে সেবা প্রদান করবে।

গবেষণা দল মনে করেন যে, UniCM শুধু একটি নতুন জলবায়ু পূর্বাভাস মডেল নয়, বরং জটিল সিস্টেমের জন্য একটি একীকৃত মডেলিং দর্শনকে প্রতিফলিত করে। ভবিষ্যতে, এই কাঠামোটি আন্তঃমৌসুমি দোলন, দশকগত জলবায়ু পরিবর্তন এবং বৈশ্বিক উষ্ণায়নের প্রেক্ষাপটে জলবায়ু প্যাটার্নের বিকাশের গবেষণায় বিস্তারিত করা যেতে পারে এবং 'স্থানীয় প্রক্রিয়া—সমগ্র কাঠামো' দ্বি-দিকীয় সংযোগের বৈশিষ্ট্যযুক্ত অন্যান্য জটিল সিস্টেমে আরও প্রয়োগ করা যেতে পারে।

বর্ষার পূর্বানুমান থেকে জলবায়ু বুঝতে এবং তারপর নিয়ম আবিষ্কার করা পর্যন্ত, UniCM প্রদর্শন করেছে যে পৃথিবী ব্যবস্থার বিজ্ঞানে কৃত্রিম বুদ্ধিমত্তার নতুন সম্ভাবনা: সত্যিকারের গুরুত্বপূর্ণ পূর্বাভাসের তথ্য হয়তো একটি নির্দিষ্ট জলবায়ু সূচকের মধ্যে লুকিয়ে নেই, বরং সমগ্র জলবায়ু ব্যবস্থার ধারাবাহিক বিকাশের মধ্যে সংযোগের সম্পর্কে অবস্থিত।

প্রসঙ্গ: https://www.nature.com/articles/s42256-026-01245-5