İklim modellerini hızlandıran yapay zekâ daha az eğitim senaryosuyla çalıştı
MIT araştırmacıları, hızlı iklim emülatörlerini daha az fakat özel olarak seçilmiş sentetik senaryoyla eğiten bir yöntem geliştirdi. Yaklaşım, alışılmadık emisyon senaryolarında geleneksel eğitim yöntemlerinden daha başarılı sonuç verdi.
ZIPZIP / 01Ayrıntılı Dünya sistemi modelleri, tek bir gelecek senaryosunu süper bilgisayarlarda hesaplamak için aylar gerektirebiliyor. Bilim insanları bu nedenle büyük modellerin davranışını taklit eden ve saniyeler içinde çalışabilen yapay zekâ tabanlı iklim emülatörlerinden yararlanıyor. MIT ekibi, bu emülatörlerin eğitim verisini daha verimli üretmek için yeni bir optimizasyon yöntemi geliştirdi.
Geleneksel yaklaşımda model, genellikle altı ila sekiz gerçekçi emisyon senaryosuyla eğitiliyor. Yeni yöntem, karbondioksit ve metan emisyonları ile diğer iklim zorlama değişkenlerinde hızlı ve alışılmadık dalgalanmalar içeren sentetik senaryolar oluşturuyor. Amaç gerçekçi bir gelecek çizmek değil, emülatörün iklim sisteminin tepkileri hakkında daha fazla bilgi öğrenmesini sağlamak.
PNAS’ta yayımlanan çalışmada, daha az eğitim verisi kullanan emülatörün eğitim sırasında görmediği bazı senaryolara uyum sağlayabildiği bildirildi. Yine de emülatörler fizik tabanlı iklim modellerinin yerine geçmiyor. Yöntemin daha geniş model aileleri ve gerçek politika koşullarında doğrulanması gerekiyor.