TransNet: شبكة عصبية بيانية مستنيرة بالنقل لتوقع تركيزات PM2.5 عبر كوريا الجنوبية

لماذا تهم توقعات هواء أنظف

الجسيمات الدقيقة في الهواء، المعروفة باسم PM2.5، صغيرة بما يكفي لتتغلغل عميقاً في رئتنا ودورتنا الدموية، مما يزيد من مخاطر أمراض القلب والرئة وحتى الوفاة المبكرة. لقد أحرزت كوريا الجنوبية، دولة عالية التحضّر والصناعية، تقدماً في خفض هذه الجسيمات، لكن لا تزال تحدث ذروات خطرة في بعض الأحيان وقد تنجرف عبر الحدود. لحماية صحة الناس، يحتاج المسؤولون إلى توقعات سريعة وموثوقة لمستويات PM2.5 لساعات أو أيام مقبلة — بمستوى تفصيل يكفي لكل مدينة، وفي الوقت نفسه سريعة ورخيصة بما يكفي للتشغيل اليومي. تقدم هذه الدراسة أداة جديدة للتنبؤ تسمى TransNet، تستخدم أفكاراً من الفيزياء والذكاء الاصطناعي للتنبؤ بـPM2.5 عبر كوريا الجنوبية دون الاعتماد على نماذج الحاسوب العملاقة البطيئة والمكلفة.

طريقة جديدة لقراءة الهواء

تتبع توقعات تلوث الهواء التقليدية مسارين. أحدهما يستخدم نماذج حاسوبية كبيرة تحاكي كيفية تحرك الملوثات وامتزاجها وتفاعلها في الغلاف الجوي، لكن تشغيلها قد يستغرق ساعات على الحواسيب العملاقة. المسار الآخر يعتمد على طرق إحصائية أو تعلّم آلي تتعلم الأنماط من بيانات الماضي، وهي أسرع لكنها غالباً ما تفشل في التقاط التحولات المفاجئة في الطقس والانبعاثات. تهدف TransNet، اختصاراً لشبكة عصبية بيانية مستنيرة بالنقل (Transport-Informed Graph Neural Network)، إلى الجمع بين مزايا النظامين. تعامل كل محطة قياس جودة الهواء في كوريا الجنوبية كنقطة في شبكة وتتعلم كيف تنتقل الملوثات بينها، موجهةً ببيانات الطقس مثل الرياح ودرجة الحرارة وهطول الأمطار. هذا يسمح للنموذج بتقليد فيزياء انتشار التلوث مع الحفاظ على سرعة الذكاء الاصطناعي الحديث.

كيف تتبع الشبكة الذكية الرياح

في صميم TransNet ثلاث عمليات مترابطة تعكس كيف يتصرف التلوث في الغلاف الجوي الحقيقي: الحركة بواسطة الرياح، والانتشار، والتغير المحلي. يتعلم النموذج "النقل بالجريان" (advection)، أي كيف تدفع الرياح التلوث من مكان لآخر، عبر بناء روابط بين المحطات تتوافق مع اتجاهات الرياح وسرعاتها الأخيرة. كما يتعلم "الانتشار" (diffusion)، وهو التسوية التدريجية لقمم وقيعان تركيزات التلوث عبر المواقع المجاورة. وأخيراً، يتضمن خطوة "التفاعل" التي تلتقط التغير المحلي الناتج عن الطقس والعمليات الكيميائية، مثل تكوّن الجسيمات في ظروف رطبة أو نزحها بالغسيل المطر. من خلال تقسيم هذه العمليات إلى خطوات مميزة وتحديث حالة الهواء بخطوات زمنية صغيرة جداً، تحافظ TransNet على استقرار عددي وتحترم قواعد فيزيائية أساسية مثل حفظ الكتلة.

مدى دقة الأداة الجديدة

اختبر الباحثون TransNet باستخدام أربع سنوات من بيانات كل ساعة من 170 محطة رصد في جميع أنحاء كوريا الجنوبية، دربوا النموذج على بيانات 2018–2019، ضبطوه على 2020، وقيموه على 2021. قارنوه بنظام سابق رفيع المستوى يسمى AGATNet، الذي يصحح مخرجات نموذج كيميائي معقد. للفترات القصيرة إلى المتوسطة — من ساعة واحدة وحتى حوالي يومين — أنتجت TransNet توقعات أكثر دقة في معظم المحطات، حيث خفّضت الأخطاء النموذجية بنحو الثلث إلى النصف وتتبعّت التغيرات المرصودة في PM2.5 عن كثب. كانت قوية بشكل خاص في المناطق الساحلية، حيث تخلق الرياح والتضاريس أنماط نقل معقدة. على فترات أطول، ومع ذلك — لأكثر من حوالي 48 ساعة — حافظ AGATNet على تفوق طفيف، ربما لأنه يستفيد من معلومات كيميائية مفصّلة من النموذج الكيميائي الأساسي التي لا تمثلها TransNet صراحةً.

ما الذي تكشفه الأيام القصوى

عندما ركز الفريق على أسوأ حلقات التلوث، وجدوا مفاضلة مهمة. اكتشف AGATNet، بفضل مدخله الكيميائي الغني، نسبة أكبر من أحداث PM2.5 المرتفعة جداً، مما يجعله مفيداً في الحالات التي يكون فيها رصد أكبر عدد ممكن من الأيام الخطرة أولوية. لكنه أيضاً أنتج الكثير من الإنذارات الكاذبة. فقدت TransNet مزيداً من القمم النادرة والشديدة، خاصة عند فترات التنبؤ الأطول، ومع ذلك عندما أشارت إلى حدث شديد فكانت عادة صحيحة، مظهرةً دقة تنبؤ أعلى بكثير. في الظروف العادية — التي تمثل أكثر من 96 في المئة من الملاحظات — قدمت TransNet ملاءمة أفضل بشكل عام بين التنبؤات والواقع بينما ظلت مستقلة عن أي نظام نمذجة خارجي مكلف.

ما الذي يعنيه ذلك لمدن أنظف وأكثر أماناً

لغير المتخصص، الرسالة الأساسية هي أن TransNet يقدم طريقة عملية جديدة لتوقع تلوث الجسيمات الدقيقة: إنها سريعة، وبسيطة نسبياً للتشغيل، ومبنّية على الطريقة التي يتحرك ويتغير بها الهواء فعلياً. للأيام الحاسمة الأولى إلى الثانية، عندما يتعين على السلطات اتخاذ قرار بشأن إصدار تحذيرات أو تعديل حركة المرور أو حماية الفئات الضعيفة، يمكن لـTransNet تقديم توقعات دقيقة على مستوى البلاد باستخدام بيانات الطقس والرصد الروتيني فقط. قد تظل الأدوات الحالية التي تعتمد على نماذج كيميائية مكثفة أفضل للنطاقات الزمنية الأطول ولرصد الأحداث الأكثر ندرة وتطرفاً. في المستقبل، يقترح المؤلفون دمج تصميم TransNet الفعّال والمستنير بالفيزياء مع عمليات كيميائية وامتزاج مبسطة، بهدف إنشاء توقعات جودة هواء أكثر دقة وموثوقية — مما يساعد المدن على التحرك مبكراً وبثقة أكبر لحماية الصحة العامة.

الاستشهاد: Dimri, R., Choi, Y., Singh, D. et al. TransNet: a transport-informed graph neural network for forecasting PM_2.5 concentrations across South Korea. npj Clean Air 2, 12 (2026). https://doi.org/10.1038/s44407-026-00052-x

الكلمات المفتاحية: تنبؤ تلوث الهواء, PM2.5, شبكة عصبية بيانية, جودة الهواء في كوريا الجنوبية, الذكاء الاصطناعي المرتكز على الفيزياء