असंभव का पूर्वानुमान
दिन-प्रतिदिन के मौसम पूर्वानुमान काफी सटीक हो गए हैं, लेकिन दुर्लभ, चरम घटनाओं—जैसे सबसे घातक गर्मी की लहरों—की भविष्यवाणी करना एक कठिन चुनौती बनी हुई है। ये घटनाएं, जिन्हें कभी-कभी 'ग्रे स्वान' कहा जाता है, इतनी कम होती हैं कि वे सामान्य मौसम पैटर्न की सीमा से बाहर होती हैं। पारंपरिक सुपरकंप्यूटर-आधारित मॉडल उन्हें अनुकरण कर सकते हैं, लेकिन उन्हें भारी कम्प्यूटेशनल संसाधनों और समय की आवश्यकता होती है। दूसरी ओर, नए AI-आधारित पूर्वानुमान मॉडल नियमित भविष्यवाणियों में उत्कृष्ट हैं, लेकिन अक्सर उन आउटलायरों को पकड़ने में विफल रहते हैं जो उनके प्रशिक्षण डेटा में कम प्रतिनिधित्व रखते हैं।
इस अंतर ने शोधकर्ताओं को एक मध्य मार्ग खोजने के लिए प्रेरित किया है। शिकागो विश्वविद्यालय के वैज्ञानिकों और फ्रांस में सहयोगियों के नेतृत्व में एक टीम ने एक हाइब्रिड विधि विकसित की है जो दोनों दृष्टिकोणों की ताकत को जोड़ती है। जर्नल फिजिकल रिव्यू लेटर्स में प्रकाशित, नई तकनीक दुर्लभ, उच्च-प्रभाव वाली मौसम घटनाओं की भविष्यवाणी में सुधार करने का वादा करती है, जबकि पारंपरिक मॉडलों की तुलना में बहुत कम संसाधनों का उपयोग करती है।
ग्रे स्वान की चुनौती
गर्मी की लहरें चरम मौसम के सबसे घातक रूपों में से हैं। 2003 में, यूरोप में गर्मी की लहर ने लगभग 70,000 मौतें कीं, और 2010 में, रूस में गर्मी की लहर ने 56,000 मौतें कीं। हाल ही में, जून 2026 में, संयुक्त राज्य अमेरिका के लगभग आधे—लगभग 180 मिलियन लोगों—ने खतरनाक तापमान का अनुभव किया। जलवायु परिवर्तन के कारण ये घटनाएं अधिक लगातार और गंभीर होती जा रही हैं, जिससे सटीक पूर्वानुमान और भी महत्वपूर्ण हो गया है।
हालांकि, ऐसे आउटलायरों की प्रकृति ही उन्हें अध्ययन करना कठिन बनाती है। वे दुर्लभ हैं, इसलिए मशीन लर्निंग मॉडल को प्रशिक्षित करने के लिए सीमित ऐतिहासिक डेटा है। पारंपरिक भौतिकी-आधारित मॉडल, जो मौलिक समीकरणों से वातावरण के व्यवहार का अनुकरण करते हैं, चरम परिदृश्य उत्पन्न कर सकते हैं, लेकिन उन्हें भारी कंप्यूटिंग शक्ति की आवश्यकता होती है और उन्हें चलने में दिन लग सकते हैं। यह उन्हें वास्तविक समय के पूर्वानुमान या कई संभावित परिदृश्यों की खोज के लिए अव्यावहारिक बनाता है।
जैसा कि शिकागो विश्वविद्यालय में भूभौतिकीय विज्ञान के एसोसिएट प्रोफेसर और अनुसंधान के सह-नेता पेड्रम हसनज़ादेह बताते हैं, 'AI मौसम और जलवायु मॉडल विज्ञान में AI की महान उपलब्धियों में से एक हैं, लेकिन वे जादुई नहीं हैं—वे ग्रे स्वान, सबसे दुर्लभ और सबसे चरम घटनाओं पर विफल होते हैं। विस्तृत भौतिकी-आधारित मॉडल चरम सीमाओं को पकड़ सकते हैं, लेकिन उन्हें निषेधात्मक रूप से बड़ी मात्रा में समय और ऊर्जा की आवश्यकता होती है।'
एक हाइब्रिड समाधान
हसनज़ादेह की जलवायु चरम सीमा सिद्धांत और डेटा समूह और अंतरराष्ट्रीय सहयोगियों द्वारा विकसित नई विधि, AI को पारंपरिक भौतिकी-आधारित मॉडलिंग के साथ एकीकृत करती है। यह दृष्टिकोण संभावित स्थितियों की एक विस्तृत श्रृंखला का पता लगाने के लिए AI की गति का लाभ उठाता है, जबकि यह सुनिश्चित करने के लिए भौतिकी-आधारित मॉडल का उपयोग करता है कि दुर्लभ घटनाएं भौतिक रूप से यथार्थवादी हैं। यह संयोजन टीम को चरम घटनाओं की संभावना का अधिक सटीक और कुशलता से अनुमान लगाने की अनुमति देता है।
मुख्य नवाचार इस बात में निहित है कि दो घटक कैसे परस्पर क्रिया करते हैं। AI मॉडल, चरम घटना सिमुलेशन के एक सीमित सेट पर प्रशिक्षित, उम्मीदवार परिदृश्य प्रस्तावित करता है। फिर इन्हें भौतिकी-आधारित मॉडल का उपयोग करके मान्य और परिष्कृत किया जाता है, जो किसी भी अवास्तविक परिणाम को ठीक करता है। यह पुनरावृत्त प्रक्रिया दुर्लभ घटनाओं के लिए एक विश्वसनीय संभाव्यता वितरण पर अभिसरित होती है, भले ही AI अकेले उन्हें याद करे।
'इस विधि की शक्ति यह है कि यह AI और पारंपरिक भौतिकी दोनों की ताकत को जोड़ती है और विशेष रूप से चरम घटनाओं के लिए प्रभावी है, जो अनुकरण करने के लिए सबसे कठिन हैं और सबसे बड़ा सामाजिक प्रभाव डालते हैं,' हसनज़ादेह ने कहा।
पूर्वानुमान और जलवायु अनुसंधान के लिए निहितार्थ
हाइब्रिड दृष्टिकोण दुर्लभ लेकिन विनाशकारी मौसम की घटनाओं का अनुमान लगाने की हमारी क्षमता में काफी सुधार कर सकता है। उदाहरण के लिए, यह आपातकालीन योजनाकारों को गर्मी की लहरों, बाढ़ या सूखे के लिए तैयार करने में मदद कर सकता है जो सदी या सहस्राब्दी में एक बार हो सकते हैं। अधिक सटीक संभावनाएं प्रदान करके, यह विधि बुनियादी ढांचे के डिजाइन, सार्वजनिक स्वास्थ्य रणनीतियों और आपदा प्रतिक्रिया योजनाओं को सूचित कर सकती है।
इसके अलावा, कम कम्प्यूटेशनल लागत का मतलब है कि ऐसे पूर्वानुमान अधिक बार और लंबे समय के क्षितिज के लिए चलाए जा सकते हैं। इससे बेहतर मौसमी और दशकीय भविष्यवाणियां हो सकती हैं, जिससे समाजों को बदलती जलवायु के अनुकूल होने में मदद मिलती है।
अनुसंधान भौतिक समझ के साथ AI के संयोजन के महत्व को भी रेखांकित करता है। जबकि AI ने कई क्षेत्रों में क्रांति ला दी है, दुर्लभ घटनाओं के मामले में इसकी सीमाएं हैं। दोनों को मिलाकर, वैज्ञानिक दोनों दुनिया के सर्वश्रेष्ठ का उपयोग कर सकते हैं।
आगे की ओर देखना
टीम विधि को और परिष्कृत करने और इसे अन्य प्रकार की चरम घटनाओं, जैसे तूफान और बवंडर पर परीक्षण करने की योजना बना रही है। उनका लक्ष्य दुनिया भर के मौसम सेवाओं और जलवायु शोधकर्ताओं के लिए उपकरण को सुलभ बनाना भी है।
जैसे-जैसे चरम मौसम अधिक सामान्य होता जा रहा है, सटीक पूर्वानुमान की आवश्यकता बढ़ती जा रही है। यह हाइब्रिड दृष्टिकोण एक आशाजनक मार्ग प्रदान करता है, जो जीवन बचा सकता है और आर्थिक नुकसान कम कर सकता है। अप्रत्याशित की भविष्यवाणी करने की हमारी क्षमता में सुधार करके, हम आगे आने वाली चुनौतियों के लिए बेहतर तैयारी कर सकते हैं।
अभी के लिए, यह विधि चरम घटना भविष्यवाणी के विज्ञान में एक महत्वपूर्ण कदम आगे का प्रतिनिधित्व करती है। यह अंतःविषय सहयोग की शक्ति और अत्याधुनिक AI को समय-परीक्षणित भौतिक सिद्धांतों के साथ संयोजित करने की क्षमता का प्रमाण है।
यह लेख Phys.org की रिपोर्टिंग पर आधारित है। मूल लेख पढ़ें।
Originally published on phys.org
