Mjolnir은 심층 학습 기반의 새로운 전 지구 번개 섬광 밀도 매개변수화 프레임워크입니다. ERA5 대기 예측 변수와 WWLLN 관측 자료를 사용하여 훈련되었으며, 대규모 환경 조건과 번개 활동 간의 비선형 매핑을 포착합니다. InceptionNeXt 백본과 SENet을 기반으로 하며, 번개 발생과 강도를 동시에 예측하는 다중 작업 학습 전략을 사용합니다. 전 지구적인 번개 활동의 분포, 계절 변동성 및 지역적 특성을 정확하게 재현하며, 연평균 필드에 대한 전 지구적 Pearson 상관 계수는 0.96에 달합니다. 이는 Mjolnir이 효과적인 데이터 기반 전 지구 번개 매개변수화일 뿐만 아니라 차세대 지구 시스템 모델(AI-ESMs)을 위한 유망한 AI 기반 방식임을 시사합니다.