Les nuages ​​peuvent être des bouffées vaporeuses de vapeur d'eau dérivant dans le ciel, mais ils sont lourds de calcul pour les scientifiques qui souhaitent les intégrer dans les simulations climatiques. Des chercheurs de l'Université de Californie, Irvine, l'Université Ludwig Maximilian de Munich et l'Université Columbia se sont tournées vers la science des données pour obtenir de meilleurs résultats de calcul de cumulus.

Leurs travaux sont détaillés dans une étude publiée en ligne récemment par Actes de l'Académie nationale des sciences .

"Les nuages ​​jouent un rôle majeur dans le climat de la Terre en transportant la chaleur et l'humidité, réfléchissant et absorbant les rayons du soleil, piégeant les rayons infrarouges et produisant des précipitations, " a déclaré le co-auteur Michael Pritchard, Professeur assistant de science du système Terre à l'UCI. "Mais ils peuvent être aussi petits que quelques centaines de mètres, beaucoup plus petite qu'une résolution de grille de modèle climatique standard de 50 à 100 kilomètres, donc les simuler de manière appropriée prend une énorme quantité de puissance et de temps informatique."

Les modèles de prévision climatique standard se rapprochent de la physique des nuages ​​à l'aide d'algorithmes numériques simples qui reposent sur des hypothèses imparfaites concernant les processus impliqués. Pritchard a déclaré que bien qu'ils puissent aider à produire des simulations s'étendant sur un siècle, il y a quelques imperfections limitant leur utilité, comme indiquer de la bruine au lieu de précipitations plus réalistes et manquer complètement d'autres modèles météorologiques courants.

Selon Pritchard, la communauté climatique s'accorde sur les avantages des simulations haute fidélité prenant en charge une riche diversité de systèmes nuageux dans la nature.

"Mais un manque de puissance de supercalculateur, ou le mauvais type, signifie que c'est encore loin, " dit-il. " Pendant ce temps, le domaine doit faire face à d'énormes marges d'erreur sur les problèmes liés aux changements des précipitations futures et à la façon dont les changements des nuages ​​amplifieront ou contrecarreront le réchauffement climatique dû aux émissions de gaz à effet de serre. »

L'équipe souhaitait déterminer si l'apprentissage automatique en profondeur pouvait fournir un outil efficace, alternative objective et fondée sur des données qui pourrait être rapidement mise en œuvre dans les prévisions climatiques courantes. La méthode est basée sur des algorithmes informatiques qui imitent les capacités de réflexion et d'apprentissage de l'esprit humain.

Ils ont commencé par entraîner un réseau de neurones profonds pour prédire les résultats de milliers de minuscules, bidimensionnel, des modèles de résolution des nuages ​​alors qu'ils interagissaient avec les modèles météorologiques à l'échelle planétaire dans un monde océanique fictif.

Le programme nouvellement enseigné, surnommé "Le Cerveau Nuageux, " fonctionnait librement dans le modèle climatique, selon les chercheurs, conduisant à des simulations pluriannuelles stables et précises qui comprenaient des précipitations extrêmes réalistes et des ondes tropicales.

"Le réseau de neurones a appris à représenter approximativement les contraintes physiques fondamentales sur la façon dont les nuages ​​déplacent la chaleur et la vapeur sans qu'on lui ait explicitement demandé de le faire, et le travail a été effectué avec une fraction de la puissance et du temps de traitement requis par l'approche originale de modélisation en nuage, " a déclaré l'auteur principal Stephan Rasp, un doctorant LMU en météorologie qui a commencé à collaborer avec Pritchard sur ce projet en tant que chercheur invité à l'UCI.

"Je suis super excité qu'il n'ait fallu que trois mois simulés de sortie de modèle pour former ce réseau de neurones, " a déclaré Pritchard. " Vous pouvez rendre beaucoup plus justice à la physique des nuages ​​si vous n'avez besoin de simuler que cent jours d'atmosphère globale. Maintenant que nous savons que c'est possible, il sera intéressant de voir comment cette approche se comporte lorsqu'elle est déployée sur des données d'entraînement vraiment riches."

Les chercheurs ont l'intention de mener des études de suivi pour étendre leur méthodologie à des configurations de modèles plus délicates, y compris la géographie réaliste, et de comprendre les limites de l'apprentissage automatique pour l'interpolation par rapport à l'extrapolation au-delà de son ensemble de données de formation - une question clé pour certaines applications du changement climatique qui est abordée dans le document.

"Notre étude montre un potentiel évident pour les modèles climatiques et météorologiques basés sur les données, " a déclaré Pritchard. " Nous avons vu la vision par ordinateur et le traitement du langage naturel commencer à transformer d'autres domaines de la science, comme la physique, biologie et chimie. Il est logique d'appliquer certains de ces nouveaux principes à la science du climat, lequel, après tout, est fortement centré sur de grands ensembles de données, en particulier ces jours-ci, alors que de nouveaux types de modèles mondiaux commencent à résoudre les nuages ​​​​et les turbulences réels. »

Pierre Gentine, professeur agrégé d'ingénierie de la Terre et de l'environnement à l'Université de Columbia, a également participé à cette étude, qui a été financé par le département américain de l'Énergie, Nasa, la Fondation nationale de la science et la Fondation allemande pour la recherche.

À propos de l'Université de Californie, Irvine :Fondée en 1965, L'UCI est le plus jeune membre de la prestigieuse Association of American Universities. Le campus a produit trois lauréats du prix Nobel et est connu pour ses réalisations académiques, recherche de premier plan, mascotte d'innovation et de fourmilier. Dirigé par le chancelier Howard Gillman, L'UCI en compte plus de 30, 000 étudiants et propose 192 programmes diplômants. Il est situé dans l'une des communautés les plus sûres et les plus économiquement dynamiques au monde et est le deuxième employeur du comté d'Orange, contribution annuelle de 5 milliards de dollars à l'économie locale. Pour en savoir plus sur l'UCI, visitez http://www.uci.edu.