• Home
  • Química
  • Astronomía
  • Energía
  • Naturaleza
  • Biología
  • Física
  • Electrónica
  •  Science >> Ciencia >  >> Naturaleza
    Un nuevo algoritmo informático potencia los modelos climáticos y podría conducir a mejores predicciones del cambio climático futuro
    Crédito:CC0 Dominio público

    Los modelos del sistema terrestre (modelos informáticos complejos que describen los procesos de la Tierra y cómo interactúan) son fundamentales para predecir el cambio climático futuro. Al simular la respuesta de nuestra tierra, océanos y atmósfera a las emisiones de gases de efecto invernadero provocadas por el hombre, estos modelos forman la base para las predicciones de futuros escenarios de fenómenos meteorológicos y climáticos extremos, incluidos los publicados por el Panel Intergubernamental sobre el Cambio Climático (IPCC) de las Naciones Unidas. P>

    Sin embargo, los modeladores climáticos se han enfrentado desde hace mucho tiempo a un problema importante. Debido a que los modelos del sistema terrestre integran muchos procesos complicados, no pueden ejecutar una simulación de inmediato; primero deben asegurarse de que haya alcanzado un equilibrio estable representativo de las condiciones del mundo real antes de la revolución industrial. Sin este período de asentamiento inicial, denominado fase de "giro", el modelo puede "derivarse", simulando cambios que pueden atribuirse erróneamente a factores provocados por el hombre.

    Desafortunadamente, este proceso es extremadamente lento ya que requiere ejecutar el modelo durante muchos miles de años, lo que, para las simulaciones del IPCC, puede llevar hasta dos años en algunas de las supercomputadoras más potentes del mundo.

    Sin embargo, un estudio publicado en Science Advances por un científico de la Universidad de Oxford describe un nuevo algoritmo informático que se puede aplicar a los modelos del sistema terrestre para reducir drásticamente el tiempo de rotación.

    Durante las pruebas en los modelos utilizados en las simulaciones del IPCC, el algoritmo fue en promedio 10 veces más rápido a la hora de hacer girar el modelo que los enfoques utilizados actualmente, reduciendo el tiempo necesario para alcanzar el equilibrio de muchos meses a menos de una semana.

    El autor del estudio, Samar Khatiwala, profesor de Ciencias de la Tierra en el Departamento de Ciencias de la Tierra de la Universidad de Oxford, quien ideó el algoritmo, dijo:"Minimizar la deriva del modelo a un costo mucho menor en tiempo y energía es obviamente crítico para las simulaciones del cambio climático, pero tal vez la El mayor valor de esta investigación puede ser, en última instancia, para los responsables políticos que necesitan saber qué tan confiables son las proyecciones climáticas".

    Actualmente, el largo tiempo de puesta en marcha de muchos modelos del IPCC impide que los investigadores climáticos ejecuten su modelo con una resolución más alta y definan la incertidumbre mediante la realización de simulaciones repetidas.

    Al reducir drásticamente el tiempo de activación, el nuevo algoritmo permitirá a los investigadores investigar cómo cambios sutiles en los parámetros del modelo pueden alterar la salida, lo cual es fundamental para definir la incertidumbre de futuros escenarios de emisiones.

    El nuevo algoritmo del profesor Khatiwala emplea un enfoque matemático conocido como aceleración de secuencia, que tiene sus raíces en el famoso matemático Euler.

    En la década de 1960, D. G. Anderson aplicó esta idea para acelerar la solución de la ecuación de Schrödinger, que predice cómo se comporta la materia a nivel microscópico. Este problema es tan importante que más de la mitad de la potencia de supercomputación del mundo se dedica actualmente a resolverlo, y la "Aceleración Anderson", como se la conoce ahora, es uno de los algoritmos más utilizados para solucionarlo.

    El profesor Khatiwala se dio cuenta de que Anderson Acceleration también podría reducir el tiempo de puesta en marcha del modelo, ya que ambos problemas son de naturaleza iterativa:se genera una salida y luego se retroalimenta al modelo muchas veces. Al conservar los resultados anteriores y combinarlos en una única entrada utilizando el esquema de Anderson, la solución final se logra mucho más rápidamente.

    Esto no sólo hace que el proceso de puesta en marcha sea mucho más rápido y menos costoso desde el punto de vista computacional, sino que el concepto puede aplicarse a la enorme variedad de modelos diferentes que se utilizan para investigar e informar políticas sobre cuestiones que van desde la acidificación de los océanos hasta la pérdida de biodiversidad.

    Mientras grupos de investigación de todo el mundo comienzan a poner en marcha sus modelos para el próximo informe del IPCC, previsto para 2029, el profesor Khatiwala está trabajando con varios de ellos, incluida la Oficina Meteorológica del Reino Unido, para probar su enfoque y su software en sus modelos. /P>

    La profesora Helene Hewitt OBE, copresidenta del Panel del Proyecto de Intercomparación de Modelos Acoplados (CMIP), que informará el próximo informe del IPCC, dijo:"Los responsables de la formulación de políticas dependen de las proyecciones climáticas para informar las negociaciones mientras el mundo intenta cumplir con el Acuerdo de París. Este trabajo es un paso hacia la reducción del tiempo que lleva producir esas proyecciones climáticas críticas."

    El profesor Colin Jones, jefe del modelado del sistema terrestre del Reino Unido patrocinado por NERC/Met Office, dijo:"La rotación siempre ha sido prohibitivamente costosa en términos de costo computacional y tiempo. Los nuevos enfoques desarrollados por el profesor Khatiwala prometen romper este estancamiento y ofrecer un salto cuántico en la eficiencia de poner en marcha modelos tan complejos y, como consecuencia, aumentar en gran medida nuestra capacidad de ofrecer estimaciones oportunas y sólidas del cambio climático global".

    Más información: Samar Khatiwala, Giro eficiente de modelos del sistema terrestre mediante aceleración de secuencia, Avances científicos (2024). DOI:10.1126/sciadv.adn2839. www.science.org/doi/10.1126/sciadv.adn2839

    Información de la revista: Avances científicos

    Proporcionado por la Universidad de Oxford




    © Ciencia https://es.scienceaq.com