Prevedere in pochi secondi l’evoluzione tridimensionale degli oceani fino a 200 giorni, utilizzando una sola GPU e ricostruendo temperatura, correnti, salinita’ e altri parametri fino a 600 metri di profondita’. E’ quanto permette di fare KIST-Ocean, un nuovo modello di intelligenza artificiale sviluppato dal gruppo guidato da Kang Daehyun del Center for Climate and Carbon Cycle Research del Korea Institute of Science and Technology (KIST). Il sistema apprende da dati oceanici globali tridimensionali accumulati nell’arco di diversi decenni e ha mostrato di poter riprodurre fenomeni fisici derivanti dalle interazioni tra atmosfera e oceano e processi fondamentali del Super El Nino del 2015.
I risultati sono pubblicati su Science Advances. Gli oceani coprono circa il 70% della superficie terrestre e rappresentano uno degli elementi fondamentali del sistema climatico, perche’ immagazzinano e fanno circolare enormi quantità di calore e carbonio e interagiscono continuamente con l’atmosfera. Il loro comportamento contribuisce cosi’ a determinare variazioni climatiche stagionali e di lungo periodo, comprese quelle associate a fenomeni come El Nino e La Nina. La possibilità di prevederne l’evoluzione diventa particolarmente importante mentre i cambiamenti climatici aumentano frequenza e intensita’ di eventi estremi come ondate di calore, piogge torrenziali, siccita’ e tifoni.
I tradizionali modelli di previsione oceanica richiedono però grandi risorse di supercalcolo e tempi di elaborazione elevati per risolvere le complesse equazioni fisiche utilizzate nelle simulazioni. KIST-Ocean e’ stato sviluppato per superare alcuni di questi limiti utilizzando l’intelligenza artificiale. Il modello apprende da decenni di dati relativi allo stato tridimensionale degli oceani e utilizza parametri fisici come temperatura della superficie marina, correnti e salinita’ per prevederne l’evoluzione. Il sistema produce una previsione tridimensionale dello stato dell’oceano a distanza di cinque giorni. Il risultato puo’ quindi essere nuovamente utilizzato come input per la previsione successiva. Ripetendo il procedimento fino a 40 volte, KIST-Ocean puo’ generare una previsione globale estesa fino a 200 giorni, con intervalli di cinque giorni.
Le simulazioni ricostruiscono inoltre i cambiamenti che avvengono fino a una profondita’ di 600 metri. Una delle caratteristiche principali del sistema è la velocità di calcolo: secondo i ricercatori, circa 200 giorni di previsioni oceaniche globali possono essere generati in pochi secondi utilizzando una singola GPU. La riduzione dei tempi e delle risorse computazionali rispetto ai modelli numerici tradizionali potrebbe essere particolarmente utile negli studi che richiedono di ripetere molte volte le simulazioni, per esempio per confrontare differenti scenari climatici o realizzare previsioni di ensemble su larga scala. Il gruppo ha sottoposto KIST-Ocean a diversi esperimenti per verificare se il modello fosse in grado non soltanto di riprodurre schemi appresi dai dati storici, ma anche di rappresentare fenomeni coerenti con la fisica degli oceani. In un esperimento virtuale nel quale e’ stata generata una forzante del vento, i ricercatori hanno osservato onde oceaniche e fenomeni di risalita e sprofondamento delle acque, upwelling e downwelling, coerenti con le teorie fisiche esistenti.
Secondo gli autori, il risultato indica che l’intelligenza artificiale puo’ riflettere complesse interazioni fisiche tra atmosfera e oceano. Un’altra verifica e’ stata condotta utilizzando come caso di studio il Super El Nino del 2015. Il modello e’ riuscito a riprodurre alcuni processi fondamentali del suo sviluppo, tra cui l’aumento della temperatura superficiale dell’oceano nel Pacifico equatoriale e i cambiamenti nella distribuzione del calore all’interno dell’oceano. Per il gruppo coreano, questi risultati mostrano la possibilità di estendere progressivamente l’impiego dell’intelligenza artificiale oltre le previsioni meteorologiche di breve periodo, verso previsioni oceaniche e climatiche stagionali e annuali. KIST-Ocean potrebbe inoltre costituire una base per lo sviluppo di modelli del sistema Terra basati sull’IA capaci di integrare atmosfera, oceano e superficie terrestre. La maggiore velocita’ e il costo computazionale ridotto potrebbero anche abbassare le barriere di accesso alla modellistica oceanica e climatica e consentire di effettuare un numero maggiore di analisi sui possibili effetti dei cambiamenti climatici e sulle strategie di adattamento.
