MIT تطور سيناريوهات انبعاثات محسنة لتعزيز دقة توقعات المناخ

·بواسطة Henderson·Engineering
MIT تطور سيناريوهات انبعاثات محسنة لتعزيز دقة توقعات المناخ
النقاط الرئيسية
  • طور معهد ماساتشوستس للتكنولوجيا طريقة جديدة لتحسين دقة محاكي المناخ.
  • يمكن للمحاكي إكمال اختبارات السيناريو في ثوانٍ، بكفاءة أعلى من النماذج التقليدية.
  • توفير المزيد من المعلومات النظامية من خلال تقلبات منحنيات الانبعاثات المحسنة.
  • يمكن أن تصل انحرافات درجات الحرارة في النموذج المبسط في سيناريوهات الاحترار العالي إلى 4.5 درجة فهرنهايت.

طور باحثو معهد ماساتشوستس للتكنولوجيا طريقة لتدريب محاكي المناخ القائم على الذكاء الاصطناعي باستخدام عدة سيناريوهات انبعاثات تم إنشاؤها بواسطة الكمبيوتر، وفقًا لتقرير نشر في مجلة الأكاديمية الوطنية للعلوم (PNAS) وإصدار من معهد ماساتشوستس للتكنولوجيا، حيث أظهرت اختبارات نموذج المناخ المبسط أن هذه الطريقة يمكن أن تتجاوز بيانات التدريب القياسية. محاكي المناخ هو نموذج ذكاء اصطناعي سريع، يحاكي نماذج النظام الأرضي (ESMs)، والتي تستخدم المحاكاة الفيزيائية للتنبؤ بالمناخ على المدى الطويل. أفاد معهد ماساتشوستس للتكنولوجيا أن تشغيل ESM على مجموعة من الحواسيب الفائقة قد يستغرق عدة أشهر، بينما يمكن للمحاكي إكمال ذلك في ثوانٍ، مما يمكّن العلماء من اختبار آلاف السيناريوهات.

طريقة جديدة لتحسين كفاءة المحاكي

عادةً ما يتم تدريب المحاكي بناءً على ستة إلى ثمانية مسارات انبعاثات واقعية، حيث يتطلب كل مسار تشغيل ESM خاص به. استخدم فريق معهد ماساتشوستس للتكنولوجيا نماذج مناخية بسيطة، وأنشأوا برنامجًا قادرًا على حساب كيفية تأثير التغيرات الصغيرة في مدخلات الانبعاثات على خطأ المحاكي. ثم قاموا بتعديل مسارات الانبعاثات الابتدائية تدريجيًا لتقليل هذا الخطأ.

وفقًا للإصدار، قد تبدو السيناريوهات المحسنة غير مشابهة تمامًا للمستقبل الواقعي. قال كريستوفر وورماك، المؤلف الرئيسي للفريق وباحث ما بعد الدكتوراه في المعهد الفيدرالي السويسري للتكنولوجيا في زيورخ، إن الفريق لم يكن مهتمًا كثيرًا بواقعية سيناريوهات التدريب. تتقلب منحنيات الانبعاثات بسرعة، بدلاً من اتباع مسارات سلسة، وأشار وورماك إلى أن هذه التقلبات توفر المزيد من المعلومات حول النظام بأكمله للمحاكي. في النسخة الأولية، تجاوز محاكي تم تدريبه على سيناريو محسن واحد أثناء اختبار نموذج المناخ البسيط المحاكي المدرب على ستة مسارات قياسية.

تُقيم المعايير بناءً على بيانات التدريب الخاصة بها، وهو السيناريو المثالي نظريًا.

نتائج اختبار النموذج المبسط

استخدم الاختبار الثاني نموذج النظام الأرضي لمعهد ماساتشوستس للتكنولوجيا، وهو بديل مبسط لـ ESM، يركز فقط على سيناريوهات ثاني أكسيد الكربون. كانت المحاكيات المدربة على سيناريو واحد أو اثنين محسّنين تتطابق أو تتجاوز معايير الستة سيناريوهات في سيناريوهات سياسات أخرى ومثالية. تحافظ المعايير على أفضل أداء في سيناريوهات التدريب الخاصة بها. أدى الجمع بين السيناريوهين إلى زيادة المهارة بمعدل 32.6% في سيناريوهات السياسات البديلة. أفاد معهد ماساتشوستس للتكنولوجيا أن هذه الطريقة التدريبية للمحاكي تمكنت أيضًا من التقاط القواعد المحلية للتلوث عندما ينخفض أحد الملوثات بينما يرتفع الآخر، وهو ما لم تتمكن المحاكيات التقليدية من اختباره.

استخدم الاختبار نماذج أبسط، بدلاً من ESM الكامل. تم الإشارة في الإصدار إلى أن المستخدمين سيشغلون ESM مرة واحدة فقط، لكن النسخة الأولية أدرجت محاكاة ESM كاملة للسيناريو المحسن كعمل مستقبلي، لذا فإن هذه المدخرات لم يتم التحقق منها بعد. تفترض أنه يمكن نقل السيناريوهات المحسنة من النموذج البسيط إلى النموذج الكامل. وجدت النسخة الأولية أن النموذج البسيط يمكن أن يصل انحراف درجات الحرارة في سيناريوهات الاحترار العالي إلى 4.5 درجة فهرنهايت (حوالي 2.5 درجة مئوية) عندما تميل درجات الحرارة إلى الاستقرار أو الانخفاض. أحيانًا قد يؤدي الجمع بين السيناريوهين المحسنين إلى تقليل مكاسب مسار معين، بينما يكون المحاكي عبارة عن شبكة عصبية أساسية.

يستخدم الحاسوب الفائق Discover التابع لوكالة ناسا بشكل رئيسي في توقعات المناخ.

توجد توقعات الذكاء الاصطناعي في العمل المناخي: حيث أنتج GraphCast من Google توقعات لمدة 10 أيام في أقل من دقيقة، وفقًا لما أفاد به المطورون. يأمل الفريق في اختبار هذه التقنية على السيناريوهات التي تم إنشاؤها بواسطة ESM الكامل، وتطبيقها على نماذج مناخية أخرى وتعلم الآلة. دعمت شركة Schmidt Science هذه العمل من خلال تحدي معهد ماساتشوستس للتكنولوجيا. تم نشر البحث في PNAS.

التأثير المحتمل لسيناريوهات الانبعاثات المحسنة

تظهر أبحاث معهد ماساتشوستس للتكنولوجيا أنه من خلال تحسين سيناريوهات الانبعاثات، يمكن تعزيز دقة وكفاءة محاكي المناخ بشكل كبير. لا تتيح هذه الطريقة فقط اختبار عدد كبير من السيناريوهات في وقت قصير، بل تلتقط أيضًا القواعد المعقدة للتلوث التي لم تتمكن المحاكيات التقليدية من عكسها. مع تزايد تأثيرات تغير المناخ، فإن تطوير هذه التقنية له أهمية كبيرة في توقع الظروف المناخية المستقبلية ووضع السياسات المناسبة. قد تؤدي الأبحاث المستقبلية إلى تطبيق هذه التقنية في نماذج مناخية أكثر تعقيدًا، مما يعزز القدرة التنبؤية العامة.

H
حول المؤلف
Henderson