الگوریتم کامپیوتری جدید مدل‌های آب و هوایی را افزایش می‌دهد و می‌تواند منجر به پیش‌بینی بهتر تغییرات آب و هوایی در آینده شود

با این حال، مدل‌سازان آب و هوا مدت‌هاست که با یک مشکل بزرگ روبرو هستند. از آنجایی که مدل‌های سیستم زمین بسیاری از فرآیندهای پیچیده را ادغام می‌کنند، نمی‌توانند بلافاصله یک شبیه‌سازی را اجرا کنند. آنها ابتدا باید اطمینان حاصل کنند که به یک تعادل پایدار نماینده شرایط دنیای واقعی قبل از انقلاب صنعتی رسیده است. بدون این دوره ته نشینی اولیه – که به آن مرحله “اسپین آپ” گفته می شود – این مدل می تواند تغییر کند و تغییراتی را شبیه سازی کند که ممکن است به اشتباه به عوامل ساخت بشر نسبت داده شود.

متأسفانه، این فرآیند بسیار کند است زیرا نیاز به اجرای مدل برای هزاران سال مدل دارد که برای شبیه‌سازی IPCC می‌تواند تا دو سال در برخی از قوی‌ترین ابررایانه‌های جهان طول بکشد.

با این حال، یک مطالعه در پیشرفت علم توسط دانشمند دانشگاه آکسفورد که توسط Agile Initiative تامین مالی شده است، یک الگوریتم کامپیوتری جدید را توصیف می کند که می تواند در مدل های سیستم زمین اعمال شود تا زمان چرخش را به شدت کاهش دهد. در طول آزمایش‌های روی مدل‌های مورد استفاده در شبیه‌سازی IPCC، الگوریتم به طور متوسط ​​10 برابر سریع‌تر از روش‌های مورد استفاده فعلی در چرخش مدل بود و زمان لازم برای رسیدن به تعادل را از چند ماه به کمتر از یک هفته کاهش داد.

Samar Khatiwala، نویسنده این مطالعه، پروفسور علوم زمین در دانشگاه آکسفورد، که الگوریتم را ابداع کرد، گفت: «به حداقل رساندن رانش مدل با هزینه بسیار کمتر از نظر زمان و انرژی برای شبیه‌سازی تغییرات آب و هوایی بسیار مهم است، اما شاید بیشترین ارزش این تحقیق ممکن است در نهایت برای سیاست گذارانی باشد که باید بدانند پیش بینی های اقلیمی چقدر قابل اعتماد هستند.

در حال حاضر، زمان چرخش طولانی بسیاری از مدل‌های IPCC، محققان آب و هوا را از اجرای مدل خود با وضوح بالاتر و تعریف عدم قطعیت از طریق انجام شبیه‌سازی‌های تکراری باز می‌دارد. با کاهش شدید زمان چرخش، الگوریتم جدید محققان را قادر می‌سازد تا بررسی کنند که چگونه تغییرات ظریف در پارامترهای مدل می‌تواند خروجی را تغییر دهد – که برای تعریف عدم قطعیت سناریوهای انتشار آتی بسیار مهم است.

الگوریتم جدید پروفسور خاتیوالا از یک رویکرد ریاضی به نام شتاب دنباله استفاده می کند که ریشه در ریاضیدان معروف اویلر دارد. در دهه 1960 این ایده توسط DG Anderson برای سرعت بخشیدن به حل معادله شرودینگر، که نحوه رفتار ماده در سطح میکروسکوپی را پیش بینی می کند، به کار گرفت. این مشکل به قدری مهم است که بیش از نیمی از قدرت ابر محاسباتی جهان در حال حاضر به حل آن اختصاص دارد و «شتاب اندرسون»، همانطور که اکنون شناخته شده است، یکی از رایج ترین الگوریتم های مورد استفاده برای آن است.

پروفسور خاتیوالا متوجه شد که شتاب اندرسون نیز ممکن است بتواند زمان چرخش مدل را کاهش دهد زیرا هر دو مشکل ماهیت تکراری دارند: یک خروجی تولید می‌شود و سپس بارها به مدل بازگردانده می‌شود. با حفظ خروجی های قبلی و ترکیب آنها در یک ورودی واحد با استفاده از طرح اندرسون، راه حل نهایی بسیار سریعتر به دست می آید.

این نه تنها فرآیند چرخش را بسیار سریع‌تر و از نظر محاسباتی کم‌هزینه‌تر می‌کند، بلکه این مفهوم را می‌توان برای انواع مدل‌های مختلف که برای بررسی، و اطلاع‌رسانی به سیاست‌گذاری در مورد موضوعات مختلف از اسیدی شدن اقیانوس‌ها تا از دست دادن تنوع زیستی استفاده می‌شوند، به کار برد. با توجه به اینکه گروه های تحقیقاتی در سراسر جهان شروع به چرخش مدل های خود برای گزارش بعدی IPCC کرده اند که قرار است در سال 2029 ارائه شود، پروفسور خاتیوالا در حال کار با تعدادی از آنها، از جمله اداره هواشناسی بریتانیا، است تا رویکرد و نرم افزار خود را در مدل های خود آزمایش کند.

پروفسور Helene Hewitt OBE، رئیس هیئت مدیره پروژه مقایسه مدل جفت شده (CMIP) که گزارش بعدی IPCC را ارائه خواهد کرد، اظهار داشت: «سیاست‌گذاران برای اطلاع‌رسانی به مذاکرات بر پیش‌بینی‌های اقلیمی تکیه می‌کنند، در حالی که جهان تلاش می‌کند به توافق پاریس برسد. این کار گامی در جهت کاهش زمان لازم برای تولید آن پیش بینی های آب و هوایی حیاتی است.

پروفسور کالین جونز، رئیس NERC/Met Office که از مدل‌سازی سیستم زمین بریتانیا حمایت می‌کند، در مورد یافته‌ها اظهار داشت: «Spin-up همیشه از نظر هزینه محاسباتی و زمان بسیار گران بوده است. رویکردهای جدید توسعه یافته توسط پروفسور خاتیوالا نوید شکستن این لگم و جهش کوانتومی در کارایی چرخش چنین مدل‌های پیچیده را می‌دهند و در نتیجه، توانایی ما را برای ارائه برآوردهای به موقع و قوی از تغییرات آب و هوای جهانی تا حد زیادی افزایش می‌دهند.