En la búsqueda de una mejor comprensión del cambio climático, hay muchas cosas que todavía no sabemos. Pero la pregunta no es si el cambio climático está ocurriendo o no. "Lo que a veces escuchamos en las noticias es incertidumbre política fabricada, "dijo Auroop Ganguly, profesor de ingeniería civil y ambiental en Northeastern.

En lugar de, La incertidumbre real del cambio climático surge del desafío de simular el futuro. ¿Qué pasará con la red eléctrica de Boston bajo condiciones climáticas extremas a largo plazo? ¿Cómo se vería afectada una planta de energía en Phoenix por la disminución de los recursos regionales? ¿Cuándo debería invertir Atlanta en la actualización de su infraestructura de agua?

Los modelos actuales son buenos para proyectar tendencias regionales. Pero para prepararse adecuadamente para los efectos futuros del cambio climático, los científicos necesitan hacer zoom en lugares vulnerables como ciudades costeras, ecosistemas amenazados, y otros sitios específicos.

En un documento presentado esta semana en la conferencia de la Association for Computing Machinery para el descubrimiento del conocimiento y la minería de datos, los investigadores delinearon una nueva estrategia para hacer precisamente eso.

Thomas Vandal es un estudiante de doctorado en ingeniería civil y ambiental en Northeastern y autor principal del artículo, que fue premiado como Subcampeón al Mejor Trabajo en la pista de Ciencia de Datos Aplicados. Vandal trabajó con Evan Kodra, el director ejecutivo de Northeastern spinout risQ, y los colaboradores de NASA Ames Sangram Ganguly, Andrew Michaelis, y Ramakrishna Nemani, y su asesor Auroop Ganguly, para desarrollar un sistema que se acerque a los datos climáticos para producir proyecciones de mayor resolución.

Enseñar a los cerebros artificiales a aprender

Simular el clima es un ejercicio de viaje en el tiempo. Para predecir el futuro, Los investigadores primero tienen que hacer un balance del pasado; en otras palabras, ellos retroceden antes de que puedan pronosticar.

Vandal visitó el Centro de Investigación Ames de la NASA, donde recopiló y analizó conjuntos de datos climáticos históricos que miden variables como la temperatura, lluvia, y elevación geográfica, así como los extensos datos satelitales de la NASA. Para disputar esta colosal cantidad de datos, Vandal aprovechó una máquina en NASA Ames llamada Pléyades, una de las supercomputadoras más poderosas del mundo.

El objetivo del equipo era crear un marco para reducir la escala, o ampliar, los conjuntos de datos climáticos históricos. Esto permitiría a los científicos hacer más detallados, Proyecciones climáticas localizadas.

Los investigadores hicieron uso de tecnologías de aprendizaje profundo de vanguardia. El aprendizaje profundo es una innovación de las redes neuronales artificiales, un sistema informático basado libremente en sistemas nerviosos biológicos. El aprendizaje profundo permite que las redes neuronales artificiales reconozcan patrones y realicen tareas.

Vándalo, que se unió a Northeastern después de trabajar para varias startups en el área de Boston, ha utilizado una tecnología relacionada llamada aprendizaje automático en la industria para el análisis de expresiones faciales y el reconocimiento de emociones. Pero después de conocer a Auroop Ganguly, se dio cuenta de que la tecnología podría tomar un camino más virtuoso al marcar la diferencia en la ciencia del clima, un área que le importa profundamente.

"En lugar de utilizar el aprendizaje automático para que las personas hagan clic en los anuncios o maximicen las visitas a la página, Decidí que resolver problemas en la ciencia del clima era un mejor uso de mis habilidades y tiempo, "Dijo Vandal.

El resultado de la investigación del equipo es un marco llamado DeepSD, que significa reducción de escala estadística basada en el aprendizaje profundo. El sistema ayuda a enfocar conjuntos de datos climáticos dispares con diversos grados de detalle.

"Estos conjuntos de datos reducidos serán de inmenso valor para los investigadores del clima y los modeladores ecoclimáticos que quieran estudiar cualquier cosa, desde el impacto de los ecosistemas hasta los cambios en el clima para escenarios futuros de calentamiento, "dijo Sangram Ganguly, uno de los coautores del estudio y un científico investigador principal del Instituto de Investigación Ambiental del Área de la Bahía en el Centro de Investigación Ames de la NASA.

Y esto es sólo el principio. Vandal cree que el concepto DeepSD podría usarse para resolver una variedad de problemas climáticos, desde el seguimiento del clima extremo hasta la predicción de desastres con mayor confianza. En el mundo de la informática, la tecnología está todavía en pañales.

"El campo de la informática cambia muy rápido, ", Dijo Auroop Ganguly." Un año es como una edad geológica en algunos otros campos ".