Wesprzyj

Innowacje

Sztuczna inteligencja

Hybrydowy model klimatu NeuralGCM

Ilustracyjne zdjęcie stockowe atmosfery Ziemi i sierpa Księżyca, wykonane z Międzynarodowej Stacji Kosmicznej w 2006 roku.

Ilustracyjne zdjęcie stockowe atmosfery Ziemi i sierpa Księżyca, wykonane z Międzynarodowej Stacji Kosmicznej w 2006 roku.

Zdjęcie: Obserwatorium Ziemi Narodowej Agencji Aeronautyki i Przestrzeni Kosmicznej Stanów Zjednoczonych (załoga ekspedycji 13 na Międzynarodowej Stacji Kosmicznej), za pośrednictwem Wikimedia Commons, domena publiczna . Strona pliku: https://commons.wikimedia.org/wiki/File:Top_of_Atmosphere.jpg

Sztuczna inteligencja Badania

Czym jest

Model klimatu dzieli atmosferę na siatkę komórek i oblicza, jak powietrze, ciepło i wilgoć przemieszczają się między nimi. Ruchy wielkoskalowe podlegają dobrze znanym prawom fizyki, ale chmury i deszcz powstają w skalach znacznie mniejszych niż komórka, więc zwykłe modele wypełniają tę lukę uproszczonymi regułami. NeuralGCM, stworzony w Google Research wspólnie z Europejskim Centrum Prognoz Średnioterminowych, jest hybrydą. Zachowuje obliczenia fizyczne dla dużych ruchów, a uproszczone reguły zastępuje siecią neuronową, czyli programem komputerowym, który wychwytuje prawidłowości w danych; sieć uczono na zapisach pogody z kilkudziesięciu lat. Ponieważ obliczenia i sieć uczono razem jako jeden układ, pomaga to modelowi pozostać stabilnym przy pracy przez wiele lat. Jego kod i wytrenowane modele są opublikowane otwarcie.

Dlaczego to ważne

Badania klimatu wymagają wielu długich symulacji, by zobaczyć, jak atmosfera może zareagować na zmiany, a każda symulacja szczegółowego modelu fizycznego potrzebuje superkomputera. Według Google Research rok atmosfery w NeuralGCM liczył się około 8 minut, a w bardzo szczegółowym modelu fizycznym amerykańskiej Narodowej Administracji Oceanicznej i Atmosferycznej około 20 dób, czyli NeuralGCM jest szybszy ponad 3500 razy. Ponieważ działa na jednej maszynie, więcej zespołów badawczych będzie mogło prowadzić własne eksperymenty. Artykuł w Nature podaje też, że zespołowe prognozy pogody NeuralGCM (zestawy prognoz z nieco różnych warunków początkowych) są porównywalne z prognozami samego Europejskiego Centrum na okres od 1 do 15 dni.

Jak to czytać

Porównanie 0,25 i 0,75 stopnia Celsjusza to sprawdzian na przeszłości. Model uruchomiono na 40 latach, od 1980 do 2020, podając mu prawdziwe temperatury powierzchni oceanu z tych lat, a temperaturę powietrza porównano ze standardowym zapisem minionej pogody. Według Google Research średni błąd wyniósł 0,25 stopnia Celsjusza dla NeuralGCM i 0,75 dla modeli samej atmosfery z międzynarodowego projektu porównywania modeli, czyli nowy model okazał się około trzykrotnie dokładniejszy. Określenie „sama atmosfera” znaczy, że ocean nie jest obliczany: jego temperatury podaje się z obserwacji, tak samo jak używa się modeli porównawczych. Porównanie szybkości dotyczy tego samego zadania, symulacji atmosfery na rok, przy ustawieniach wybranych przez badaczy dla każdego modelu.

Ograniczenia

NeuralGCM symuluje tylko atmosferę. Oceany, lód morski i obieg węgla pozostają poza modelem, a Google Research chce je dodać w przyszłości. W 40-letnim teście 22 z 37 uruchomień pozostało stabilnych przez wszystkie 40 lat i wyniki pochodzą z tych 22. Autorzy piszą, że model nie potrafi przenosić się na znacznie inny klimat przyszłości: gdy temperaturę powierzchni oceanu podniesiono o 1 i 2 stopnie, pokazał pewne realistyczne cechy ocieplenia, ale przy 4 stopniach jego odpowiedź rozchodziła się z oczekiwaniami i obliczenia dryfowały. W pośrednim porównaniu ze szczegółowym modelem fizycznym jego błąd opadów (liczony jako deszcz minus parowanie) jest nieco większy, a w krótkich prognozach zaniża najbardziej ekstremalne zjawiska w tropikach. Autorzy zauważają też, że ich porównanie ze szczegółowym modelem fizycznym nieco sprzyja NeuralGCM, bo dostrajano go do tego samego zapisu pogody, według którego go oceniano.

Źródła