Mj olnirは、深層学習ベースの新しい全地球雷雷シンチレーション密度パラメータ化フレームワークです。 ERA5大気予測変数とWWLLN観測データを用いて訓練され,大規模環境条件と雷活動の間の非線形マッピングを捕捉した。 InceptionNeXtバックボーンとSENetに基づいており、雷発生と強度を同時に予測するマルチタスク学習戦略を使用します。地球規模の雷活動の分布、季節変動、地域特性を正確に再現し、年間平均フィールドのグローバルなピアソン相関係数は0.96に達します。これは、Mj olnirが効果的なデータ駆動型グローバルアース雷パラメータ化であるだけでなく、次世代地球システムモデル(AI-ESM)のための有望なAIベースのアプローチであることを示唆しています。