Wolken kunnen piekerige wolkjes waterdamp zijn die door de lucht drijven, maar ze zijn rekenkundig zwaar voor wetenschappers die ze willen meenemen in klimaatsimulaties. Onderzoekers van de Universiteit van Californië, Irvine, de Ludwig Maximilian Universiteit van München en Columbia University hebben zich tot datawetenschap gewend om betere cumulusberekeningsresultaten te verkrijgen.

Hun werk wordt gedetailleerd beschreven in een onderzoek dat onlangs online is gepubliceerd door Proceedings van de National Academy of Sciences .

"Wolken spelen een grote rol in het klimaat op aarde door warmte en vocht te transporteren, reflecteren en absorberen van de zonnestralen, het vangen van infrarode warmtestralen en het produceren van neerslag, " zei co-auteur Michael Pritchard, UCI-assistent-professor Aardsysteemwetenschap. "Maar ze kunnen zo klein zijn als een paar honderd meter, veel kleiner dan een standaard klimaatmodel rasterresolutie van 50 tot 100 kilometer, dus het op de juiste manier simuleren ervan kost enorm veel computerkracht en tijd."

Standaard klimaatvoorspellingsmodellen benaderen de wolkenfysica met behulp van eenvoudige numerieke algoritmen die gebaseerd zijn op onvolmaakte aannames over de betrokken processen. Pritchard zei dat hoewel ze kunnen helpen bij het produceren van simulaties die wel een eeuw duren, er zijn enkele onvolkomenheden die hun bruikbaarheid beperken, zoals het aangeven van motregen in plaats van meer realistische regenval en het volledig missen van andere veelvoorkomende weerpatronen.

Volgens Pritchard, de klimaatgemeenschap is het eens over de voordelen van hifi-simulaties die een rijke diversiteit aan cloudsystemen in de natuur ondersteunen.

"Maar een gebrek aan supercomputerkracht, of het verkeerde type, betekent dat dit nog ver weg is, "zei hij. "Ondertussen, het veld heeft te maken met enorme foutenmarges over problemen met betrekking tot veranderingen in toekomstige regenval en hoe wolkenveranderingen de opwarming van de aarde door de uitstoot van broeikasgassen zullen versterken of tegengaan."

Het team wilde onderzoeken of deep machine learning een efficiënte, objectief en gegevensgestuurd alternatief dat snel kan worden geïmplementeerd in de reguliere klimaatvoorspellingen. De methode is gebaseerd op computeralgoritmen die het denk- en leervermogen van de menselijke geest nabootsen.

Ze begonnen met het trainen van een diep neuraal netwerk om de resultaten te voorspellen van duizenden kleine, tweedimensionaal, wolkenoplossende modellen terwijl ze in wisselwerking stonden met weerpatronen op planetaire schaal in een fictieve oceaanwereld.

Het nieuw onderwezen programma, genaamd "The Cloud Brain, " functioneerde vrij in het klimaatmodel, volgens de onderzoekers wat leidde tot stabiele en nauwkeurige meerjarige simulaties met realistische neerslagextremen en tropische golven.

"Het neurale netwerk leerde bij benadering de fundamentele fysieke beperkingen weer te geven op de manier waarop wolken warmte en damp verplaatsen zonder expliciet te worden verteld om dit te doen, en het werk werd gedaan met een fractie van de verwerkingskracht en tijd die nodig waren voor de oorspronkelijke benadering van cloudmodellering, " zei hoofdauteur Stephan Rasp, een LMU-doctoraatsstudent meteorologie die aan dit project begon samen te werken met Pritchard als gastonderzoeker bij de UCI.

"Ik ben super enthousiast dat het slechts drie gesimuleerde maanden aan modeluitvoer kostte om dit neurale netwerk te trainen, "Zei Pritchard. "Je kunt veel meer recht doen aan de wolkenfysica als je maar honderd dagen wereldwijde atmosfeer hoeft te simuleren. Nu we weten dat het mogelijk is, het zal interessant zijn om te zien hoe deze aanpak het doet wanneer deze wordt ingezet op een aantal echt rijke trainingsgegevens."

De onderzoekers zijn van plan vervolgonderzoeken uit te voeren om hun methodologie uit te breiden naar lastigere modelopstellingen, inclusief realistische geografie, en om de beperkingen van machinaal leren voor interpolatie versus extrapolatie buiten de trainingsgegevensset te begrijpen - een belangrijke vraag voor sommige klimaatveranderingstoepassingen die in het artikel wordt behandeld.

"Onze studie toont een duidelijk potentieel voor datagestuurde klimaat- en weermodellen, "Zei Pritchard. "We hebben gezien dat computervisie en natuurlijke taalverwerking andere wetenschapsgebieden beginnen te transformeren, zoals natuurkunde, biologie en scheikunde. Het is logisch om enkele van deze nieuwe principes toe te passen op klimaatwetenschap, die, ten slotte, is sterk gericht op grote datasets, vooral in deze tijd, nu nieuwe soorten mondiale modellen echte wolken en turbulentie beginnen op te lossen."

Pierre Gentine, universitair hoofddocent Earth &Environmental Engineering aan de Columbia University, ook deelgenomen aan dit onderzoek, die werd gefinancierd door het Amerikaanse ministerie van Energie, nasa, de National Science Foundation en de Duitse Research Foundation.

Over de Universiteit van Californië, Irvine:opgericht in 1965, UCI is het jongste lid van de prestigieuze Association of American Universities. De campus heeft drie Nobelprijswinnaars voortgebracht en staat bekend om zijn academische prestaties, eersteklas onderzoek, innovatie en miereneter mascotte. Onder leiding van kanselier Howard Gillman, UCI heeft meer dan 30, 000 studenten en biedt 192 opleidingen. Het is gelegen in een van 's werelds veiligste en economisch meest levendige gemeenschappen en is de op een na grootste werkgever van Orange County, jaarlijks $ 5 miljard bijdragen aan de lokale economie. Voor meer informatie over UCI, bezoek http://www.uci.edu.