في ظل التغيرات المناخية السريعة التي تؤثر على كوكبنا، يعد فهم العلاقة السببية بين سمك الجليد البحري (Sea Ice Thickness) وارتفاع سطح البحر (Sea Surface Height - SSH) أمراً ضرورياً لتفسير الديناميكيات التي تحكم المناخ القطبي وارتفاع مستوى سطح البحر العالمي. ومع ذلك، غالباً ما تواجه النماذج التقليدية لعالم التعلم العميق تحديات شديدة في تقدير تأثير العوامل البيئية بسبب التغيرات الزمنية والافتقار إلى القيود الفيزيائية.

للتغلب على هذه التحديات، تم اقتراح نموذج مبتكر يسمى نموذج المحول النقدي القائم على المعرفة (Knowledge-Guided Causal Model Variational Autoencoder - KGCM-VAE). هذا النموذج الجديد يهدف إلى قياس تأثير ارتفاع سطح البحر على سمك الجليد من خلال الاستفادة من العلاقات الفيزيائية المعروفة بين SSH وسرعة السطح.

يتميز نموذج KGCM-VAE بقدرته على إنشاء معالجات تستند إلى القيم الفيزيائية المستمرة، بحيث يمكن أن تتغير قيمة كل معالجة في كل خطوة زمنية ضمن سلسلة زمنية. كما يدمج النموذج تقنية التباين الأقصى (Maximum Mean Discrepancy - MMD) لتوازن بين مجموعات المعالجة والتحكم في المساحة الكامنة، مما يقلل من تأثير الانحياز المشاهد.

من خلال استخدام بيانات هجينة، تم تقييم قدرة النموذج في التنبؤ باستجابات سمك الجليد تحت سيناريوهات ضغط ارتفاع سطح البحر الافتراضية، مما أظهر أن KGCM-VAE يتفوق في دقة التقييم عن النماذج الحالية المتقدمة. علاوة على ذلك، أكدت دراسات الاختزال أن تقنية MMD تعزز دائماً تقدير تأثير المعالجة مقارنة بالنموذج الأساسي.

بالإضافة إلى ذلك، أُجري تحليل لحالة حقيقية لدراسة حساسية المعلمات الفيزيائية لعلاجات معينة، ومقارنة هذه النتائج مع دراسات نموذجية قائمة. تعد هذه النتائج خُطوة بارزة في فهم ديناميكيات الجليد البحري وكيفية تأثير ارتفاع سطح البحر على النظام البيئي في المناطق القطبية.