Las nubes pueden ser tenues bocanadas de vapor de agua a la deriva por el cielo, pero son un trabajo pesado computacionalmente para los científicos que desean incluirlos en simulaciones climáticas. Investigadores de la Universidad de California, Irvine, la Universidad Ludwig Maximilian de Munich y la Universidad de Columbia han recurrido a la ciencia de datos para lograr mejores resultados de cálculo de cúmulos.

Su trabajo se detalla en un estudio publicado en línea recientemente por procedimientos de la Academia Nacional de Ciencias .

"Las nubes juegan un papel importante en el clima de la Tierra al transportar calor y humedad, reflejando y absorbiendo los rayos del sol, atrapando los rayos infrarrojos de calor y produciendo precipitaciones, "dijo el coautor Michael Pritchard, Profesor asistente de ciencia del sistema terrestre de la UCI. "Pero pueden ser tan pequeños como unos pocos cientos de metros, mucho más pequeña que la resolución de cuadrícula de un modelo climático estándar de 50 a 100 kilómetros, por lo que simularlos adecuadamente requiere una enorme cantidad de tiempo y potencia de computadora ".

Los modelos de predicción climática estándar se aproximan a la física de las nubes utilizando algoritmos numéricos simples que se basan en suposiciones imperfectas sobre los procesos involucrados. Pritchard dijo que si bien pueden ayudar a producir simulaciones que se extienden hasta por un siglo, hay algunas imperfecciones que limitan su utilidad, como indicar llovizna en lugar de lluvia más realista y omitir por completo otros patrones climáticos comunes.

Según Pritchard, la comunidad climática está de acuerdo en los beneficios de las simulaciones de alta fidelidad que respaldan una rica diversidad de sistemas de nubes en la naturaleza.

"Pero la falta de poder de supercomputadora, o del tipo incorrecto, significa que todavía queda mucho por hacer, ", dijo." Mientras tanto, el campo tiene que hacer frente a enormes márgenes de error en cuestiones relacionadas con cambios en las precipitaciones futuras y cómo los cambios en las nubes amplificarán o contrarrestarán el calentamiento global de las emisiones de gases de efecto invernadero ".

El equipo quería explorar si el aprendizaje automático profundo podía proporcionar una alternativa objetiva y basada en datos que podría implementarse rápidamente en las predicciones climáticas convencionales. El método se basa en algoritmos informáticos que imitan las habilidades de pensamiento y aprendizaje de la mente humana.

Comenzaron entrenando una red neuronal profunda para predecir los resultados de miles de pequeños, bidimensional, modelos de resolución de nubes a medida que interactuaban con patrones meteorológicos a escala planetaria en un mundo oceánico ficticio.

El programa recién enseñado, apodado "El cerebro de la nube, "funcionó libremente en el modelo climático, según los investigadores, conduciendo a simulaciones multianuales estables y precisas que incluían precipitaciones extremas realistas y ondas tropicales.

"La red neuronal aprendió a representar aproximadamente las limitaciones físicas fundamentales en la forma en que las nubes mueven el calor y el vapor sin que se le diga explícitamente que lo haga, y el trabajo se realizó con una fracción de la potencia de procesamiento y el tiempo que necesitaba el enfoque original de modelado de nubes, "dijo el autor principal Stephan Rasp, un estudiante de doctorado en meteorología de la LMU que comenzó a colaborar con Pritchard en este proyecto como investigador visitante en la UCI.

"Estoy muy emocionado de que solo se necesitaron tres meses simulados de salida del modelo para entrenar esta red neuronal, ", Dijo Pritchard." Puedes hacer mucha más justicia a la física de las nubes si solo necesitas simular cien días de atmósfera global. Ahora que sabemos que es posible Será interesante ver cómo funciona este enfoque cuando se implementa en algunos datos de entrenamiento realmente valiosos ".

Los investigadores tienen la intención de realizar estudios de seguimiento para extender su metodología a configuraciones de modelos más complicadas, incluida la geografía realista, y comprender las limitaciones del aprendizaje automático para la interpolación frente a la extrapolación más allá de su conjunto de datos de entrenamiento, una pregunta clave para algunas aplicaciones de cambio climático que se aborda en el documento.

"Nuestro estudio muestra un claro potencial para los modelos climáticos y meteorológicos basados ​​en datos, ", Dijo Pritchard." Hemos visto que la visión por computadora y el procesamiento del lenguaje natural comienzan a transformar otros campos de la ciencia, como la física, Biología y Química. Tiene sentido aplicar algunos de estos nuevos principios a la ciencia climática, cuales, después de todo, está muy centrado en grandes conjuntos de datos, especialmente en estos días, a medida que nuevos tipos de modelos globales están comenzando a resolver las turbulencias y las nubes reales ".

Pierre Gentine, profesor asociado de ingeniería ambiental y de la Tierra en la Universidad de Columbia, también participó en este estudio, que fue financiado por el Departamento de Energía de EE. UU., NASA, la National Science Foundation y la German Research Foundation.

Acerca de la Universidad de California, Irvine:Fundada en 1965, UCI es el miembro más joven de la prestigiosa Asociación de Universidades Americanas. El campus ha producido tres premios Nobel y es conocido por sus logros académicos, investigación de primer nivel, innovación y mascota oso hormiguero. Dirigido por el canciller Howard Gillman, UCI tiene más de 30, 000 estudiantes y ofrece 192 programas de grado. Está ubicado en una de las comunidades más seguras y económicamente vibrantes del mundo y es el segundo empleador más grande del Condado de Orange. contribuyendo $ 5 mil millones anualmente a la economía local. Para más información sobre UCI, visite http://www.uci.edu.