Los oceanógrafos que estudian la física del océano global se han enfrentado durante mucho tiempo a un enigma:los equilibrios dinámicos de fluidos pueden variar mucho de un punto a otro, lo que dificulta hacer generalizaciones globales.

Factores como el viento topografía local, y los intercambios meteorológicos dificultan la comparación de un área con otra. Para aumentar la complejidad, habría que analizar miles de millones de puntos de datos para numerosos parámetros:temperatura, salinidad, velocidad, cómo cambian las cosas con la profundidad, si hay una tendencia presente, para señalar qué físicas son más dominantes en una región determinada.

"Tendrías que mirar una cantidad abrumadora de mapas globales diferentes y unirlos mentalmente para descubrir qué es lo más importante y dónde, "dice Maike Sonnewald, un postdoctorado que trabaja en el Departamento de Tierra del MIT, Ciencias Atmosféricas y Planetarias (EAPS) y miembro del Programa EAPS en Atmósferas, Océanos y Clima (PAOC). "Está más allá de lo que cualquier humano podría descifrar".

Sonnewald, que tiene experiencia en oceanografía física y ciencia de datos, utiliza computadoras para revelar conexiones y patrones en el océano que de otro modo estarían más allá de la capacidad humana. Recientemente, aplicó un algoritmo de aprendizaje automático que examinó grandes cantidades de datos para identificar patrones en el océano que tienen una física similar, mostrando que hay cinco regiones globales dinámicamente consistentes que componen el océano global.

"Es asombroso porque es tan simple, ", dice Sonnewald." Toma el océano mundial realmente complicado y lo destila en algunos patrones importantes. Los usamos para inferir lo que está sucediendo y para resaltar áreas que son más complicadas ".

Sonnewald y los coautores Carl Wunsch, Profesor emérito de oceanografía física de la EAPS y miembro de la PAOC, y Patrick Heimbach, un afiliado de investigación de EAPS y ex científico investigador senior, ahora en la Universidad de Texas en Austin, publicaron sus hallazgos en un número especial sobre "Documentos de geociencia del futuro" en Ciencias de la Tierra y el Espacio .

Para obtener datos sobre lo que está sucediendo en el océano, Sonnewald utilizó la estimación estatal de Estimación de la circulación y el clima del océano (ECCO). ECCO es una estimación de 20 años del clima y la circulación oceánica basada en miles de millones de puntos de datos de observación. Sonnewald luego aplicó un algoritmo que es común en campos que van desde la investigación farmacéutica hasta la ingeniería, llamado agrupación de K-medias, lo que permite la identificación de patrones sólidos en los datos para determinar cuáles son las físicas dominantes en el océano y dónde se aplican.

Los resultados muestran que hay cinco grupos que componen el 93,7 por ciento del océano global. Por ejemplo, en el grupo más grande, que representan el 43 por ciento del océano global, el atributo físico más dominante es que la tensión del viento en la superficie del océano se equilibra con los pares del fondo. Áreas donde se encuentra esto:una delgada cinta en el Océano Austral, grandes áreas de los mares árticos, rayas zonales en los trópicos, y giros subtropicales y subpolares en el hemisferio norte.

Los otros cuatro grupos describen de manera similar la fuerza física dominante y en qué parte del océano global se puede encontrar. El algoritmo también identificó el 6,3 por ciento restante del océano como áreas que eran demasiado complicadas para ser delimitadas a un simple conjunto de propiedades físicas. Este hallazgo también es útil, dice Sonnewald, ya que permite a los investigadores la ventaja de saber dónde se aplican los valores atípicos.

"Creo que realmente facilitará mucho el análisis y nos ayudará a enfocar nuestra investigación en los lugares correctos, "dice Sonnewald.

Wunsch dice que una implicación emocionante de la investigación es que puede ayudar a que la oceanografía se parezca más a la geología, ya que los investigadores que se centran en regiones específicas del océano pueden colaborar y comparar notas. Un científico que trabaja en una región podría comparar esa región con otra que se comporte de manera similar.

"En cierto sentido, es una mejor forma de utilizar nuestras herramientas, "dice Wunsch.

Lo que no puede decirte dice Wunsch, es por eso que las regiones se comportan de manera diferente. "Todavía se necesita un ser humano para entrar y tratar de comprender lo que está sucediendo en los lugares donde la máquina se identificó para mirar, " él dice.

Como siguiente paso, Sonnewald está ejecutando el mismo método con datos de mayor resolución para precisar el complicado 6.3 por ciento restante. La atención se centrará en la circulación de vuelcos y giros, que son sensibles a un clima cambiante.

Sonnewald espera que estos primeros hallazgos ofrezcan evidencia convincente para que los oceanógrafos trabajen más con los científicos de datos para revelar más patrones presentes en el océano global. Antes de llegar al MIT, Sonnewald obtuvo una maestría en simulación de sistemas complejos en el Instituto de Simulación de Sistemas Complejos de la Universidad de Southampton y un doctorado. en oceanografía física y simulación de sistemas complejos con base en el Centro Nacional de Oceanografía en Southampton, Inglaterra. Desde entonces, se ha centrado en aplicar la ciencia de datos a la oceanografía física como posdoctorado en el MIT y la Universidad de Harvard.

Ambos campos han experimentado avances dramáticos en las últimas décadas, dice Sonnewald. Pero todavía queda una brecha entre el poder de cómputo de la "caja negra" de la inteligencia artificial y el tesoro de datos de observación que hacen posible esfuerzos como ECCO.

"Porque estamos guiando el algoritmo de aprendizaje automático utilizando la física del océano y verificando los resultados mediante los regímenes canónicos que sabemos que deberían estar ahí, podemos cerrar esa brecha, ", dice Sonnewald." Es como construir un puente entre el aprendizaje automático y la oceanografía, y es de esperar que otras personas crucen ese puente ".

Esta historia se vuelve a publicar por cortesía de MIT News (web.mit.edu/newsoffice/), un sitio popular que cubre noticias sobre la investigación del MIT, innovación y docencia.