Oceanografen die de fysica van de mondiale oceaan bestuderen, staan ​​al lang voor een raadsel:de dynamische vloeistofbalansen kunnen van punt tot punt sterk variëren, waardoor het moeilijk is om globale generalisaties te maken.

Factoren zoals de wind, lokale topografie, en meteorologische uitwisselingen maken het moeilijk om het ene gebied met het andere te vergelijken. Om de complexiteit nog groter te maken, men zou miljarden datapunten moeten analyseren voor tal van parameters:temperatuur, zoutgehalte, snelheid, hoe dingen veranderen met diepte, of er een trend aanwezig is - om vast te stellen welke natuurkunde het meest dominant is in een bepaalde regio.

"Je zou naar een overweldigend aantal verschillende wereldkaarten moeten kijken en ze mentaal op elkaar afstemmen om erachter te komen wat waar het belangrijkst is, " zegt Maike Sonnewald, een postdoc werkzaam bij het MIT Department of Earth, Atmospheric and Planetary Sciences (EAPS) en lid van het EAPS-programma in Atmospheres, Oceanen en klimaat (PAOC). "Het gaat verder dan wat een mens zou kunnen ontcijferen."

Sonnewald, die een achtergrond heeft in fysische oceanografie en datawetenschap, gebruikt computers om verbindingen en patronen in de oceaan te onthullen die anders buiten het menselijk vermogen zouden liggen. Onlangs, ze paste een machine learning-algoritme toe dat enorme hoeveelheden gegevens doorzocht om patronen in de oceaan te identificeren met vergelijkbare fysica, waaruit blijkt dat er vijf wereldwijd dynamisch consistente regio's zijn die deel uitmaken van de wereldwijde oceaan.

"Het is verbazingwekkend omdat het zo eenvoudig is, ", zegt Sonnewald. "Het neemt de echt gecompliceerde wereldoceaan en destilleert het tot een paar belangrijke patronen. We gebruiken deze om af te leiden wat er aan de hand is en om gebieden te markeren die ingewikkelder zijn."

Sonnewald en co-auteurs Carl Wunsch, EAPS emeritus hoogleraar fysische oceanografie en PAOC-lid, en Patrick Heimbach, een EAPS-onderzoeksfiliaal en voormalig senior onderzoekswetenschapper, nu aan de Universiteit van Texas in Austin, publiceerden hun bevindingen in een speciale uitgave over "Geoscience Papers of the Future" in Aard- en ruimtewetenschap .

Voor gegevens over wat er in de oceaan gebeurt, Sonnewald gebruikte de schatting van de staat Estimating the Circulation and Climate of the Ocean (ECCO). ECCO is een 20-jarige schatting van het oceaanklimaat en de circulatie op basis van miljarden waarnemingsgegevens. Sonnewald paste vervolgens een algoritme toe dat veel voorkomt in gebieden variërend van farmaceutisch tot technisch onderzoek, genaamd K-betekent clustering, waarmee robuuste patronen in gegevens kunnen worden geïdentificeerd om te bepalen wat de dominante fysica in de oceaan is en waar ze van toepassing zijn.

De resultaten laten zien dat er vijf clusters zijn die 93,7 procent van de wereldwijde oceaan uitmaken. Bijvoorbeeld, in het grootste cluster, goed voor 43 procent van de wereldwijde oceaan, het meest dominante fysieke kenmerk is dat windbelasting op het oppervlak van de oceaan wordt gecompenseerd door bodemkoppels. Gebieden waar dit voorkomt:een dun lint in de Zuidelijke Oceaan, grote delen van de Arctische zeeën, zonale strepen in de tropen, en subtropische en subpolaire gyres op het noordelijk halfrond.

De andere vier clusters beschrijven op dezelfde manier de dominante fysieke kracht en in welk deel van de mondiale oceaan het kan worden gevonden. Het algoritme identificeerde ook de resterende 6,3 procent van de oceaan als gebieden die te ingewikkeld waren om te worden vastgepind op een eenvoudige reeks fysieke eigenschappen. Deze bevinding is ook nuttig, zegt Sonnewald, omdat het onderzoekers het voordeel geeft te weten waar uitschieters van toepassing zijn.

"Ik denk dat het een groot deel van de analyse zal vergemakkelijken en ons zal helpen ons onderzoek op de juiste plaatsen te concentreren, ’ zegt Sonnewald.

Wunsch zegt dat een opwindende implicatie van het onderzoek is dat het kan helpen oceanografie meer op geologie te lijken, omdat onderzoekers die zich op specifieke regio's van de oceaan concentreren, kunnen samenwerken en aantekeningen kunnen vergelijken. Een wetenschapper die in één regio werkt, zou die regio kunnen vergelijken met een regio die zich op dezelfde manier gedraagt.

"Op een manier, het is een betere manier om onze tools te gebruiken, ’ zegt Wünsch.

Wat het je niet kan vertellen, zegt Wunsch, daarom gedragen regio's zich anders. "Er is nog steeds een mens voor nodig om naar binnen te gaan en te proberen te begrijpen wat er aan de hand is op plaatsen waar de machine moet kijken, " hij zegt.

Als volgende stap, Sonnewald gebruikt dezelfde methode met gegevens met een hogere resolutie om de gecompliceerde resterende 6,3 procent vast te stellen. De nadruk zal liggen op de kantel- en gyre-circulatie, die beide gevoelig zijn voor een veranderend klimaat.

Sonnewald hoopt dat deze vroege bevindingen overtuigend bewijs bieden voor oceanografen om meer samen te werken met datawetenschappers om meer patronen in de wereldwijde oceaan te onthullen. Voordat hij naar MIT kwam, Sonnewald behaalde een masterdiploma in complexe systeemsimulatie aan The Institute for Complex Systems Simulation aan de Universiteit van Southampton en een Ph.D. in fysieke oceanografie en simulatie van complexe systemen, gebaseerd op het National Oceanography Centre in Southampton, Engeland. Vanaf dat moment, ze heeft zich als postdoc aan het MIT en Harvard University gericht op het toepassen van datawetenschap op fysieke oceanografie.

Beide velden hebben de afgelopen decennia een dramatische ontwikkeling doorgemaakt, zegt Sonnewald. Maar er blijft nog steeds een kloof tussen de 'black-box'-rekenkracht van kunstmatige intelligentie en de diepe schat aan observatiegegevens die inspanningen als ECCO mogelijk maken.

"Omdat we het machine learning-algoritme een beetje sturen met behulp van oceaanfysica en de resultaten verifiëren door de canonieke regimes waarvan we weten dat ze er zouden moeten zijn, we zijn in staat om die kloof te dichten, ", zegt Sonnewald. "Het is alsof je een brug slaat tussen machinaal leren en oceanografie, en hopelijk zullen andere mensen die brug oversteken."

Dit verhaal is opnieuw gepubliceerd met dank aan MIT News (web.mit.edu/newsoffice/), een populaire site met nieuws over MIT-onderzoek, innovatie en onderwijs.