Mj olnir est un nouveau cadre de paramétrisation de la densité des éclairs à l'échelle mondiale, basé sur l'apprentissage profond. Entraîné à l'aide des prédicteurs atmosphériques ERA5 et des observations WWLLN, il capture la correspondance non linéaire entre les conditions environnementales à grande échelle et l'activité foudre. S'appuyant sur le réseau principal InceptionNeXt et SENet, il utilise une stratégie d'apprentissage multitâche pour prédire simultanément l'occurrence et l'intensité de la foudre. Il reproduit avec précision la distribution, la variabilité saisonnière et les caractéristiques régionales de l'activité foudre à l'échelle mondiale, atteignant un coefficient de corrélation de Pearson global de 0,96 pour le champ moyen annuel. Cela suggère que Mj olnir est non seulement une paramétrisation efficace de la foudre à l'échelle mondiale, basée sur les données, mais aussi une approche prometteuse basée sur l'IA pour les modèles du système terrestre de nouvelle génération (AI-ESM).
