Mj olnir एक नवीन गहन शिक्षण-आधारित वैश्विक बिजली चमक घनत्व पैरामीटरीकरण ढाँचा है। ERA5 वायुमंडलीय भविष्यवाणियों और WWLLN प्रेक्षणों का उपयोग करके प्रशिक्षित, यह बड़े पैमाने पर पर्यावरणीय परिस्थितियों और बिजली गतिविधि के बीच अरैखिक मानचित्रण को ग्रहण करता है। InceptionNeXt बैकबोन और SENet पर आधारित, यह बिजली की घटना और तीव्रता का एक साथ पूर्वानुमान लगाने के लिए एक बहु-कार्य शिक्षण रणनीति का उपयोग करता है। यह वैश्विक बिजली गतिविधि के वितरण, मौसमी परिवर्तनशीलता और क्षेत्रीय विशेषताओं को सटीक रूप से पुन: प्रस्तुत करता है, जिससे वार्षिक माध्य क्षेत्र के लिए 0.96 का वैश्विक पियर्सन सहसंबंध गुणांक प्राप्त होता है। इससे पता चलता है कि Mj olnir न केवल एक प्रभावी डेटा-संचालित वैश्विक बिजली पैरामीटरीकरण है, बल्कि अगली पीढ़ी के पृथ्वी प्रणाली मॉडल (AI-ESM) के लिए एक आशाजनक AI-आधारित दृष्टिकोण भी है।
