Fizicienii climatologi se confruntă cu fantomele din mașinile lor: nori

Norii reprezintă o combinație complicată de efemer și etereal, ceea ce îi face dificil de simulat. Chris Bretherton, un cercetător de la Allen Institute for Artificial Intelligence, este implicat în dezvoltarea de noi tehnici AI pentru a înțelege comportamentul norilor, o provocare majoră în previziunile climatice. Articolul este realizat conform quantamagazine.org.

👉 Misiunea de colectare a datelor atmosferice

În octombrie 2008, Chris Bretherton a decolat de pe coasta nordică a Chile-ului într-un avion C-130 turbopropulsor. Era prea întuneric pentru a vedea dealurile nisipoase ale Deșertului Atacama, dar întunericul i se potrivea perfect lui Bretherton. Cercetătorul nu mergea să facă turism; era concentrat pe cer. Avionul era echipat cu instrumente și senzori, iar misiunea sa imediată era să ajute piloții să colecteze informații despre gheață, vapori de apă și presiunea atmosferică din jur. Obiectivul său pe termen lung era să folosească acele date - împreună cu datele colectate în California, Hawai‘i și Antarctica - pentru a aborda unul dintre cele mai provocatoare aspecte ale științei climatice: norii.

Avionul a trecut pe lângă un nor cumulus pufos, iar Bretherton a observat un prisme de culori asemănătoare cu un curcubeu. Era ciudat; norul părea prea subțire pentru a găzdui picăturile mari necesare pentru a refracta lumina în acest mod. “Zborurile de șase până la nouă ore rareori devin plictisitoare,” a declarat Bretherton, “deoarece ne întâlnim mereu cu structuri de nori surprinzătoare care ne răstoarnă conceptele științifice.” El avea să concluzioneze ulterior că aerul trebuie să fi fost atât de pur încât vaporii din nor se condensa în picături neobișnuit de mari, pe un număr neobișnuit de mic de particule.

👉 Impactul norilor asupra schimbărilor climatice și provocările simulării

În aproape două decenii de la acea zi, globul s-a încălzit cu aproximativ o jumătate de grad Celsius. Iar norii, care atât reflectă lumina solară, cât și captează căldura, sunt în continuare cea mai mare sursă de incertitudine în prognozele climatice. Cele mai avansate supercomputere din lume nu sunt suficient de puternice pentru a include nori digitali minusculi în uriașele pământuri digitale pe care le simulează. Prin urmare, oamenii de știință climatologi dezvoltă soluții alternative, tehnici pentru a determina simulările climatice, relativ lipsite de nori, să se miște, să creeze furtuni și să se încălzească ca și cum ar conține un portofoliu complet de nori reali.

În ultimii ani, a avut loc o competiție între fizicieni pentru a construi următoarea generație de aceste cristale de previziune pentru climă. Bretherton, acum la Allen Institute for Artificial Intelligence (Ai2), este un participant proeminent. Tapio Schneider de la California Institute of Technology este un alt exemplu. Bretherton a pivotat, după ce a studiat decenii norii, pentru a dezvolta tehnici AI care pot învăța implicit cum se comportă norii din datele reale. Aceste noi eforturi sunt impulsionate de creșterea tehnicilor de învățare automată catalogate ca inteligență artificială.

Schneider se bazează pe AI pentru a încorpora mai bine efectele norilor în modelele climatice care folosesc ecuațiile fizicii pentru a prevedea ce urmează. Bretherton, îngrijorat că aceste ecuații nu vor capta niciodată complet comportamentul norilor, dezvoltă noi instrumente AI care pot prezice viitorul direct din datele din lumea reală, fără să se bazeze aproape deloc pe ecuațiile fizicii. Deși Schneider, Bretherton și alți fizicieni au abordări diferite, toți simt o urgență. “Clima se schimbă rapid,” a declarat Bretherton. “A avea un model perfect în 100 de ani nu va fi util pentru a rezolva criza climatică.”

Dacă umanitatea continuă să umple atmosfera cu carbon în ritmul actual, unele simulări prezic că, în următorii 50 de ani, clima se îndreaptă spre o încălzire de 2 grade Celsius. Altele spun că va fi 6. Prima posibilitate ar putea conduce la un viitor cu evenimente meteorologice severe crescute și o amplificare a penuriei alimentare și de apă - o situație periculoasă pentru multe comunități, dar una pe care populația globală ar putea să se adapteze. Totuși, cea de-a doua opțiune ar putea da naștere unui număr suficient de dezastre și foamete pentru a destabiliza complet civilizația umană. “Șase grade ar fi destul de înfricoșător,” a spus Schneider.

Simulările climatice moderne țin cont de influența atmosferei planetei, a oceanelor, a uscatului, a gheții și a altor factori, fiecare model gestionând aceste componente în mod diferit. Dar mai mult de jumătate din variația între predicții provine din modul în care simulările tratează norii. “Dacă te îndepărtezi cu câteva procente - 2 sau 3% - din acoperirea norilor, vei obține o încălzire cu câteva grade Celsius diferită,” a spus George Matheou, un fizician care studiază norii la Universitatea Connecticut.

Tapio Schneider, un fizician climatic de la California Institute of Technology, a condus construcția CLIMA, un model climatologic de nouă generație care îmbină instrumentele fizice tradiționale cu instrumentele moderne AI. În 2022, Departamentul de Energie a instruit Frontier, pe atunci cel mai puternic supercomputer din lume, să ruleze un nou model climatic de vârf. Modelul s-a bazat pe fizica dinamicii fluidelor, așa cum a fost calculată printr-un set de ecuații numit Navier-Stokes. Dezvoltarea modelului a marcat, într-un anumit sens, culminarea unui efort de șase decenii de îmbunătățire a acurateței modelelor climatice prin creșterea rezoluției simulării computerizate. Simulările au fost reduse de la mii de kilometri per pixel, la sute, și - în acest caz - la trei. Dar chiar și acest model de vârf nu a putut să țină cont direct de subtilele efecte cumulative ale norilor, care pot avea doar câțiva metri și pot fi influențați de vânturi foarte mici.

“Pentru a ajunge la norii de jos, ai nevoie de ceva de aproximativ 100 de miliarde de ori puterea de calcul pe care o avem,” a spus Schneider, “așa că acest lucru nu se va întâmpla în viața mea.” Fiindcă nu pot adăuga norii direct în modelele lor, fizicienii au recurs la estimarea influenței acestora. Ei adaugă termeni suplimentari, non-fizici, numiți parametrii, în ecuațiile Navier-Stokes care captează indirect efectele nori. Aceste ecuații alternative sunt concepute pentru a produce curenți atmosferici digitali care se curbează și se răsucesc așa cum ar face un model cu adevărat noros. Într-un proces laborios, cercetătorii ajustează acești factori până când modelele produc previziuni exacte în baza datelor anterioare. Dar datele sunt incomplete, așa că fizicienii își lasă și intuiția să-i ghideze. La final, este greu de știut dacă parametrii unui model sunt mai buni decât ai altuia. “Trebuie să ghicești puțin,” a spus Matheou.

👉 Parteneriate pentru simulări avansate și automatizarea parametrizării

Nevoia de a transforma selecția parametrilor dintr-o artă într-o știință a fost unul dintre motivele pentru care Schneider a înființat Climate Modeling Alliance, CLIMA, în 2019. El a sperat să automatizeze procesul și să-l facă mai puțin subiectiv, antrenând mașinile să selecteze cei mai buni parametrii posibili. Dar pentru a face acest lucru, cercetătorii ar avea nevoie de mult mai multe date despre diferitele tipuri de nori: nori din California, nori din mijlocul Pacificului, nori de iarnă, nori de vară etc. Cercetători precum Bretherton își permit să zboare prin nori reali doar atât de rar. Așadar, fizicienii norilor recurg la următoarea cea mai bună soluție: o simulare Navier-Stokes numită simulare de mari eddy (LES).

“LES este cel mai bun model pe care îl avem pentru turbulența norilor, pentru o zonă limitată și o perioadă scurtă,” a spus Zhaoyi Shen, un cercetător CLIMA de la Caltech. Problema este că generarea unui LES nu este, de asemenea, ieftină: necesită o cantitate considerabilă de putere de calcul. Până recent, a spus Shen, cercetătorii au produs doar câteva zeci de simulări de nori de înaltă calitate - insuficiente pentru a oferi fizicienilor o viziune cuprinzătoare asupra comportamentului norilor și cu siguranță nu suficiente pentru a învăța o mașină cum funcționează norii. Așadar, cu câțiva ani în urmă, Schneider a abordat oamenii de știință de la Google pentru ajutor. O simulare de mari eddy (LES) generează nori digitali atât de detaliați încât aproape că pot părea reali, așa cum se vede în această reprezentare grafică a datelor LES.

Sheide Chammas și colaboratorii săi de la Google au codificat un algoritm LES de la zero pentru a rula pe cipuri personalizate numite unități de procesare tensorială. Ei au executat...