Okyanus modellemesi, iklim değişikliğinin anlaşılmasından deniz taşımacılığına kadar pek çok alanda kritik bir rol oynamaktadır. Ancak bu alanda iki farklı yaklaşım kendi sınırlılıklarıyla çarpışmaktadır: Fizik tabanlı modeller hesaplama kapasitesi yetersizliği nedeniyle küçük ölçekli girdapları ve akıntıları gözden kaçırırken, saf yapay zeka modelleri ise uzun vadeli tahminlerde fiziksel tutarsızlıklara düşmektedir.

NeuralPOM, bu iki dünyanın güçlü yanlarını birleştirmeyi hedefleyen yeni nesil bir hibrit okyanus tahmin mimarisidir. Modelin temeli, onlarca yıldır okyanus araştırmalarında kullanılan Princeton Ocean Model'e (POM) dayanmaktadır. Bu köklü araç, diferansiyel denklemler aracılığıyla okyanus dinamiklerini yüksek hassasiyetle ifade edebilmektedir. NeuralPOM ise bu motorun üzerine türevlenebilir bir sinir ağı düzeltici katmanı eklemektedir.

Sistemin işleyişi şu şekildedir: Üç boyutlu ilkel denklem çözücüsü okyanus durumunu zaman içinde ilerletir; ardından sinir ağı, saatlik ya da günlük aralıklarla fiziksel alanları günceller. Bu güncellemeler sıradan bir tahmin değildir; hacim, ısı ve tuz korunumu gibi temel fizik ilkeleri kısıt olarak modele entegre edilmiştir. Böylece yapay zekanın getirdiği esneklik, termodinamik tutarlılıktan ödün vermeden kullanılmaktadır.

Eğitim süreci de dikkat çekici bir yenilik barındırmaktadır. Araştırmacılar, çevrimdışı tek adım öğrenimi, çevrimdışı çok adım öğrenimi ve çevrimiçi pekiştirmeli öğrenimi birleştiren üç aşamalı bir eğitim prosedürü geliştirmiştir. Bu yaklaşım, modelin hem anlık tahmin doğruluğunu hem de uzun vadeli kararlılığını iyileştirmeyi amaçlamaktadır.

Model, rüzgar güdümlü çift girdap havzasını simüle eden ve 100.000 model gününü aşan kapsamlı bir referans veri setiyle değerlendirilmiştir. Elde edilen sonuçlar, NeuralPOM'un geleneksel kaba ızgara modellerine kıyasla mesoscale (orta ölçekli) girdap dinamiklerini çok daha başarılı biçimde yakaladığını ortaya koymaktadır.

Bu çalışma, fizik bilgisini yapay zekayla harmanlayan hibrit modelleme yaklaşımının okyanus bilimindeki potansiyelini somut verilerle gözler önüne sermektedir. İklim tahmininden okyanus izlemeye uzanan geniş bir uygulama yelpazesinde etkileri olabilecek bu model, bilimsel topluluğun dikkatle izleyeceği bir adım niteliğindedir.