Stochastic Emulation of a Fully Coupled Preindustrial E3SMv3 Simulation

Stellen Sie sich vor, Sie versuchen, das Wetter für das nächste Jahrhundert vorherzusagen. Das ist ein wenig so, als würde man versuchen, den exakten Pfad eines einzelnen Blattes vorherzusagen, das in einem Hurrikan wirbelt – aber der Hurrikan ist der gesamte Planet und das Blatt ist ein Regentropfen. Wissenschaftler nutzen dafür riesige, superkomplexe Computerprogramme, sogenannte „Klimamodelle“. Diese Modelle sind wie digitale Zwillinge der Erde, die simulieren, wie die Atmosphäre, die Ozeane, das Eis und das Land miteinander kommunizieren. Sie sind unglaublich leistungsstark, aber sie sind auch so schwer und kompliziert, dass das Ausführen von ihnen eine Ewigkeit dauert und ein Vermögen an Elektrizität kostet. Es ist, als würde man versuchen, ein Fünf-Gänge-Menü für eine Milliarde Menschen zu kochen, und dafür nur einen einzigen, sehr langsamen Ofen benutzen.

Da diese Modelle so teuer sind, können Wissenschaftler sie nicht oft genug laufen lassen, um alle Möglichkeiten zu sehen, wie das Klima wackeln und sich verändern könnte. Sie brauchen eine Abkürzung. Hier kommt der „Emulator“ ins Spiel. Betrachten Sie einen Emulator als einen klugen, blitzsellenen Lehrling, der dem Meisterkoch (dem großen Klimamodell) eine Zeit lang beim Kochen zugesehen hat und gelernt hat, die Rezepte nachzuahmen. Diese Lehrlinge nutzen künstliche Intelligenz, um zu erraten, was das große Modell tun würde, aber sie tun dies in einem Bruchteil einer Sekunde. Es gibt jedoch einen Haken: Die echte Klimatologie ist nicht einfach nur ein berechenbares Rezept; sie ist voller zufälliger, chaotischer Überraschungen. Wenn Ihr Lehrling nur das durchschnittliche Rezept kopiert, übersieht er vielleicht die plötzlichen, wilden Stürme oder die seltsamen, langfristigen Verschiebungen, die durch Zufall entstehen. Diese Arbeit untersucht, wie man einen Lehrling baut, der nicht nur das Rezept kopiert, sondern auch das „Chaos“ in der Küche versteht, sodass er die chaotische, unvorhersehbare Natur unseres Planeten viel schneller als je zuvor simulieren kann.

---

Die Arbeit: Ein schneller, zufälliger und realistischer Klimalehrling

In dieser Studie hat ein Forscherteam einen neuen Typ Klimaeimulator namens SamudrACE-E3SMv3 entwickelt. Betrachten Sie diesen Emulator als eine hochgeschwindigkeitsfähige Videospiel-Engine, die lernt, die Rolle des Klimasystems der Erde zu spielen. Er verbindet zwei separate KI-„Gehirne“: eines, das die Atmosphäre (die Luft und das Wetter) simuliert, und ein anderes, das den Ozean (das tiefe, wirbelnde Wasser) simuliert. Das Ziel war es, diese beiden Gehirne in Echtzeit miteinander kommunizieren zu lassen, genau wie die echte Erde, aber dies etwa 40 Mal schneller zu tun als das ursprüngliche, superlangsame Klimamodell, das es nachzuahmen versucht.

Das Geheimrezept dieses neuen Emulators ist die Zufälligkeit. Die meisten bisherigen KI-Klimamodelle waren „deterministisch“, was bedeutet, dass sie bei demselben Ausgangspunkt immer das exakt gleiche Ergebnis lieferten, wie ein Roboter, der einem strengen Skript folgt. Aber die reale Welt ist chaotisch; manchmal kann eine winzige, zufällige Windböe den Pfad eines Sturms verändern. Die Forscher ersetzten die standardmäßige „Roboter“-Atmosphäre durch eine „stochastische“ (zufällige) Version. Dieses neue Atmosphäre-Gehirn fügt ein wenig natürlichen Chaos hinzu. Durch dies tut der Emulator nicht nur das Vorhersagen des Durchschnittsklimas; er lernt, die natürlichen, unvorhersehbaren Schwankungen zu erzeugen, die über Jahre und Jahrzehnte hinweg auftreten, wie etwa El-Niño-Ereignisse oder Verschiebungen im Meereis.

Was sie herausgefunden haben

Das Team testete ihren neuen Emulator, indem sie ihn für 400 Jahre auf einer einzigen Grafikkarte (einem leistungsstarken Computerchip) laufen ließen, während das ursprüngliche Modell für dieselbe Aufgabe Tausende von Prozessoren benötigt hätte. Hier ist, was die Simulationen enthüllen:

• Das Durchschnittsklima ist punktgenau: Der Emulator leistete hervorragende Arbeit dabei, den „Durchschnittszustand“ der Erde zu rekonstruieren. Die Temperatur- und Regenmuster, die er erzeugte, waren fast identisch mit dem ursprünglichen, langsamen Modell. Tatsächlich waren die kleinen Fehler, die der Emulator machte, viel geringer als die Fehler, die das Originalmodell im Vergleich zu realen Beobachtungen macht.
• Die Zufälligkeit funktioniert: Der größte Gewinn lag in der Erfassung der langfristigen Variabilität. Da der Emulator dieses Element der Zufälligkeit enthielt, konnte er komplexe, mehrjährige Muster wie El Niño (eine Erwärmung des Pazifiks, die das Wetter weltweit beeinflusst) erfolgreich simulieren. Als sie die El-Niño-Muster des Emulators mit denen des Originalmodells verglichen, stimmten sie sehr gut überein, insbesondere bei Ereignissen, die alle paar Jahre auftreten. Im Gegensatz dazu geriet eine „deterministische“ (nicht-zufällige) Version des Emulators, die sie getestet hatten, in eine langweilige, repetitive Schleife und scheiterte daran, die wahre chaotische Natur dieser Ereignisse zu erfassen.
• Ozeanwirbel und Meereis: Der Emulator war auch besser darin, die wilden, wirbelnden Eddies im Ozean (wie im Golfstrom) und die sich verschiebenden Ränder des Meereises nachzubilden. Die zufällige Version hielt die Energie und Bewegung des Ozeans viel realistischer aufrecht als die starre, nicht-zufällige Version, die dazu neigte, den Ozean zu sehr zu beruhigen.
• Die eine Schwäche: Extremregen: Während der Emulator sehr gut darin war, normalen und sogar sehr starken Regen vorherzusagen, hatte er mit den absolut seltensten, extremsten tropischen Stürmen zu kämpfen. Er konnte Regen bis zum 99,99. Perzentil (den schwersten Regen, der 99,99 % der Zeit vorkommt) vorhersagen, unterschätzte jedoch die Häufigkeit der intensivsten, einmal im Leben auftretenden tropischen Regengüsse. Es ist, als könnte der Lehrlingskoch ein perfektes Steak 99 von 100 Mal zubereiten, aber gelegentlich bei dem exotischsten, seltensten Gericht danebenliegen.

Warum es wichtig ist

Diese Arbeit legt nahe, dass wir durch das Hinzufügen eines gewissen Maßes an „kontrolliertem Chaos“ zu KI-Klimamodellen Werkzeuge schaffen können, die nicht nur unglaublich schnell sind, sondern auch in der Lage sind, die langfristigen, unvorhersehbaren Verschiebungen in unserem Klima zu simulieren. Das bedeutet, dass Wissenschaftler Tausende von Simulationen durchführen könnten, um zu verstehen, wie sich das Klima in der Zukunft verhalten könnte, anstatt nur einer Handvoll. Obwohl der Emulator noch Arbeit benötigt, um extreme Wetterereignisse perfekt zu erfassen, stellt er einen bedeutenden Schritt nach vorn dar, um die Klimawissenschaft schneller, kostengünstiger und realistischer zu machen. Die Forscher merken an, dass dies ein simulationsbasierter Befund ist und zukünftige Arbeiten testen müssen, ob dieser Ansatz auch dann Bestand hat, wenn sich das Klima aufgrund menschlicher Aktivitäten verändert und nicht nur in einer stabilen, präindustriellen Welt befindet.