Paul Roebber était assis sur la plage du New Jersey, regarda l'océan et laissa son esprit vagabonder. "J'ai commencé à penser aux requins chassant leurs proies, " dit le météorologue, "et sur la prédiction des systèmes dynamiques dans la nature."

Cela lui a rappelé comment les ordinateurs permettent aux scientifiques de simuler des systèmes complexes, telles que les interactions prédateur-proie. Les météorologues, trop, s'appuyer sur des modèles statistiques pour trouver et trier des modèles dans de grandes quantités de données. Toujours, le temps reste obstinément difficile à prévoir.

Roebber a l'habitude de le rendre moins têtu. Il est un chef de file dans l'apport de nouvelles approches à la météorologie, et ses recherches ont changé la façon dont les experts du monde entier prévoient la météo. Souvent, ses innovations viennent de l'adaptation de quelque chose qui n'a rien à voir avec la météorologie. Et à l'été 2016, cette rêverie de Jersey Shore sur les requins en déclenchait une autre.

Les prévisionnistes utilisent des modèles "d'ensemble", qui font la moyenne de nombreux modèles météorologiques différents, pour créer des prédictions plus précises. Roebber s'est demandé si un équivalent mathématique de la théorie de l'évolution de Charles Darwin pourrait tirer le meilleur parti de la prévision d'ensemble, et le faire sans avoir besoin de données supplémentaires, ce qui peut être coûteux à rassembler.

Il a conçu une méthode dans laquelle un programme informatique en trie 10, 000 autres, s'améliorer avec des stratégies qui imitent la nature, comme l'hérédité, mutation et sélection naturelle. "C'était juste une idée de tarte dans le ciel au début, " dit Roebber, un éminent professeur de sciences atmosphériques de l'UWM, qui l'avait envisagé dès 2010. "Maintenant, l'année dernière, J'ai reçu 500 $, 000 000 de financement derrière cela."

Cette dernière méthode de prévision surpasse les modèles utilisés par le National Weather Service. Et par rapport à la modélisation de prévision météorologique standard, La méthodologie évolutive de Roebber fonctionne particulièrement bien sur les prévisions à plus long terme et les événements extrêmes, lorsqu'une prévision précise est le plus nécessaire.

L'importance de la météorologie va bien au-delà de conseiller aux gens d'emporter un parapluie pour le travail ou d'envoyer les enfants à l'école dans des vêtements plus chauds. Environ 40 % de l'économie américaine dépend d'une manière ou d'une autre des prévisions météorologiques. Même une petite amélioration de la précision d'une prévision pourrait économiser des millions de dollars chaque année pour des industries comme les expéditeurs, les services publics et l'agro-industrie.

Ce n'est pas la première fois que Roebber est impliqué dans des travaux révolutionnaires. En 2007, il a lancé Innovative Weather, qui fournit des services météorologiques personnalisés à des clients tels que We Energies, les Milwaukee Brewers et le traversier Lake Express. Maintenant dans sa 22e année à l'UWM, il attribue à la curiosité naturelle et à une personnalité persistante le cadrage non seulement de sa carrière éminente, mais aussi le porter à travers une bataille personnelle contre le cancer.

le chaos

Les modèles de prévision météorologique sont loin d'être parfaits car il est impossible d'obtenir des données complètes et exactes. "Quand on mesure l'état actuel de l'atmosphère, nous ne mesurons pas chaque point dans l'espace tridimensionnel, " dit Roebber. "Nous interpolons ce qui se passe entre les deux."

Il s'avère que, l'état de grande incertitude de la nature est quelque chose que vous ne pouvez pas ignorer. Son rôle a été identifié pour la première fois dans les années 1960 par Edward Lorenz, un météorologue et mathématicien du MIT.

Lorenz a découvert que lorsqu'il a raccourci par inadvertance un nombre avec six décimales à trois, la petite erreur a entraîné des changements inattendus dans les prévisions.

Roebber explique ce concept en termes de manque de justesse d'un bus. Même si vous le manquez de seulement 60 secondes, vous devez encore attendre 15 minutes avant que le bus ne revienne. Une fois que ce délai de 60 secondes devient 15 minutes, peut-être que vous manquez une réunion importante. Pendant son absence, on vous assigne une tâche qui nécessite des semaines de votre temps. Les petites erreurs se transforment en grandes conséquences.

la découverte de Lorenz, appelé « l'effet papillon », " est devenu le principe fondateur de la théorie du chaos, qui a d'abord reconnu le rôle négligé du hasard apparent dans la prédiction de la nature. Pour les météorologues, cela signifiait qu'il était impossible d'obtenir une prévision météorologique parfaite, surtout à long terme.

De façon intéressante, en tant qu'étudiant diplômé au MIT au début des années 1980, Roebber a suivi un cours de théorie du chaos avec Lorenz qui s'est avéré être sa classe la plus difficile là-bas. Il a souligné l'importance du temps passé à rechercher de meilleures prévisions, même si une prévision parfaite est inaccessible. En météorologie, il dit, un gain progressif de précision - peut-être seulement 1 degré Fahrenheit dans une prévision à plus long terme - a un impact économique cumulatif.

Neiger

Au collège, Roebber se délectait des aspects interdisciplinaires de la météorologie. "Pour moi, " il dit, "la créativité vient de l'ouverture à de larges intérêts."

Par exemple, après avoir lu sur l'architecture de l'intelligence artificielle, il a été inspiré pour améliorer la façon dont les météorologues prédisent les quantités de neige. De telles prévisions avaient été particulièrement difficiles parce que les prévisionnistes n'avaient aucun moyen de connaître le taux de neige – la quantité d'eau contenue dans chaque pouce de neige.

Ce rapport variait considérablement, donc tu ne savais jamais si tu allais devenir lourd, la neige mouillée ou la lumière, genre moelleux. Le mieux que les prévisionnistes pouvaient faire était de prédire une large gamme de pouces, ce qui pourrait faire la différence entre une nuisance assez mineure et un événement de labour majeur.

Roebber a construit des simulations organisées comme des réseaux de neurones dans le cerveau :les programmes informatiques formaient un système d'unités de traitement interconnectées qui pouvaient être activées ou désactivées. Cet outil de réseaux de neurones artificiels s'est avéré particulièrement efficace pour prédire des scénarios avec de grandes lacunes dans les données et des tas de variables. Et cela a considérablement fait progresser les efforts de prévision des chutes de neige.

"Paul traverse les frontières disciplinaires comme les citoyens de l'UE traversent les frontières nationales, " dit Lance Bosart, éminent professeur de science atmosphérique à l'Université d'État de New York à Albany.

Bosart est tellement respecté parmi ses pairs que la réunion annuelle 2017 de l'American Meteorology Society a organisé un symposium en son nom. Il s'est également avéré qu'il supervisait le travail postdoctoral de Roebber. "Il était à l'avant-garde absolue, " Bosart dit, "d'utiliser des réseaux de neurones pour améliorer les prévisions météorologiques il y a 10 ans."

Le dynamisme créatif de Roebber n'est pas surprenant si l'on considère son éducation dans une famille d'intellectuels. Fils d'un professeur de chimie à la Northeastern University de Boston, Roebber se souvient du programme PBS "Nova" comme un incontournable de la télévision dans le ménage. Au moment où il a terminé ses études secondaires, il savait qu'il voulait poursuivre les sciences physiques à l'université.

Au cours de ses années d'études au MIT, il a étudié les cyclones explosifs, comme celui du film "The Perfect Storm". La thèse qui en résulte continue d'être la publication de Roebber la plus citée par d'autres chercheurs en sciences atmosphériques.

Évoluer

Avec ses dernières recherches, Roebber retire une autre brique du mur entre les prévisionnistes et la précision :les défauts inhérents à la modélisation d'ensemble.

Faute d'ajout de nouvelles données, les modèles utilisés dans un groupe ont tendance à concorder les uns avec les autres plutôt qu'avec la météo réelle. En d'autres termes, les informations dans chaque modèle sont souvent trop similaires, et en l'absence de plus de diversité, il est difficile de distinguer les variables pertinentes des variables non pertinentes – ce que le statisticien Nate Silver appelle le « signal » et le « bruit ». La solution de Roebber applique les principes d'évolution darwiniens.

Dans la nature, la diversité des espèces déjoue la possibilité qu'une menace détruise une population entière à la fois. Darwin a observé cela dans une population de pinsons des îles Galapagos en 1835. Les oiseaux se sont divisés en plus petits groupes, chacun résidant dans des endroits différents autour des îles. Heures supplémentaires, ils se sont adaptés à leur habitat spécifique, rendre chaque groupe distinct des autres.

Roebber a décidé d'utiliser l'évolution pour concevoir plus de variations dans les modèles de prévision. Il a commencé par subdiviser les variables en scénarios conditionnels :la valeur d'une variable serait définie dans un sens sous une condition, mais être réglé différemment sous une autre condition.

Le programme informatique sélectionne ensuite les variables qui ont le mieux accompli l'objectif déclaré et les recombine, et le fait dans des "niches" météorologiques, " tout comme les pinsons l'ont fait dans leurs niches des Galapagos. Les modèles de progéniture ont les traits les plus réussis.

« Nous approfondissons les données en configurant les variables de manière différente, " Roebber dit. " Une différence entre ceci et la biologie est, Je voulais forcer la prochaine génération à être meilleure dans un sens absolu, pas seulement survivre."

Il utilise déjà la technique pour prévoir les températures minimales et maximales pendant sept jours. Et le programme informatique évolutionnaire fait aussi bien ou mieux que les prévisions des experts humains les plus qualifiés.

Dans un article de 2010, Roebber a calculé 2 millions de dollars d'économies annuelles potentielles pour les services publics d'électricité de l'Ohio s'ils substituaient cette méthode évolutive aux prévisions d'ensemble.

Innovation

Être préparé et économiser de l'argent était l'idée derrière le lancement d'Innovative Weather en 2007. Le groupe de prévision, piloté par Roebber, le météorologue Mike Westendorf et une équipe d'étudiants stagiaires qualifiés, fournit un service 24/7 de prévisions personnalisées pour une douzaine de clients et plus. Cela aide les Brewers à décider quand fermer le toit de Miller Park, Lake Express se prépare à des traversées difficiles et We Energies gère les pires tempêtes hivernales du Wisconsin.

"Lorsque vous faites des prévisions pour des clients ayant des besoins spécifiques, c'est plus intense que la prévision générale, " dit Westendorf, Directeur d'Innovative Weather. « Il y a des milliers de dollars en jeu pour ces clients qui doivent s'assurer que leurs ressources sont disponibles au moment où elles sont nécessaires.

Les économies proviennent de la prévention des dommages aux infrastructures, mais aussi de gérer plus efficacement le personnel. Trop peu de service par mauvais temps, et les clients restent plus longtemps sans électricité. Trop de travail s'ajoute à des coûts de main-d'œuvre gaspillés, surtout les week-ends et jours fériés.

"Avec Météo Innovante, nous recevons maintenant une gamme de scénarios météorologiques potentiels, mais aussi avoir une idée réaliste de la gravité potentielle d'un événement, " dit Duane Miller, responsable de la distribution gaz et électricité chez We Energies, qui fait appel au service 15 à 20 fois par an.

Roebber a développé plusieurs outils prédictifs qui distinguent Innovative Weather. Il a été le premier à adopter sa méthode de prévision de la neige en pouces. Conseil avec We Energies, il a également créé un détecteur de coup de foudre et une méthode pour identifier les orages susceptibles de provoquer une panne de courant.

Le lancement réussi d'Innovative Weather a été l'un des faits saillants de la carrière de Roebber. Mais cela a également marqué le début de sa saga personnelle la plus éprouvante. Parce que peu de temps après, on lui a diagnostiqué un cancer du côlon de stade 4, et il s'était déjà propagé à son foie.

Toujours le mathématicien, il se souvient d'une statistique des plus décourageantes :« Mon taux de survie à cinq ans était de 7 %, On m'a dit."

Entre 2007 et 2012, il a subi une douzaine d'interventions chirurgicales et a survécu à trois complications quasi fatales d'embolie pulmonaire. Au cours de plusieurs cycles de chimiothérapie, il a continué à donner ses cours pour éviter de s'imposer à ses collègues. Et l'expérience a changé sa façon de voir ses réalisations professionnelles.

« Mes recherches ont toujours été importantes pour moi, " dit Roebber. " Mais quand j'étais malade, J'ai pensé à l'impact que j'ai eu sur mes élèves. Tome, c'est la contribution durable que je donne."

La réussite des étudiants et la recherche s'entremêlent dans le monde de Roebber. Une fois que, après avoir été en désaccord avec la liste des traits de caractère de quelqu'un d'autre les plus prédictifs de la réussite des étudiants diplômés, Roebber a modélisé mathématiquement la question et a trouvé un ensemble d'indicateurs plus inclusif.

En réalité, l'un des principaux objectifs de la création d'Innovative Weather était d'offrir aux étudiants des expériences de stage rémunérées dans un domaine où peu d'entre elles sont disponibles. Il permet aux étudiants de premier cycle et des cycles supérieurs de s'impliquer dans la recherche appliquée tout en travaillant avec des entreprises.

Au milieu de 2012, Roebber a été déclaré sans cancer. Maintenant, près de cinq ans plus tard, il n'a pas pu résister à refaire le calcul de survie. Il met la probabilité conditionnelle de vivre pour les cinq prochaines années à 91 pour cent. Pour le grand public, c'est 93.