Если мысленно разделить всю Землю — от глубоких недр до верхних слоев атмосферы — на квадраты размером один километр, получится несколько миллиардов ячеек. Чтобы просчитать физические процессы для каждой из них, требуются колоссальные вычислительные мощности. Даже самые современные суперкомпьютеры тратят месяцы на моделирование климата на десятилетие вперед, и при этом они все равно упускают часть мелких деталей. Atmospheric modeling изначально была сложнейшей задачей для высокопроизводительных систем, поскольку исследователям приходится увязывать локальную турбулентность с масштабом всей планеты. Проект U.S. Department of Energy Exascale Earth System Model под руководством Питера Колдуэлла моделирует атмосферу с разрешением три километра. Чтобы избавиться от громоздких расчетов, ученые создали эмулятор STRATA на базе глубоких нейронных сетей. Система имитирует физические процессы на основе данных наблюдений и точных моделей, выдавая прогноз на дни и годы вперед без долгого решения уравнений. Скорость новых алгоритмов критически важна для анализа хаотичной атмосферы.
Зачем нужны сотни прогнозов
Погода настолько непредсказуема, что даже лучшие алгоритмы периодически дают сбои. Для построения надежной системы ученым приходится запускать сотни симуляций на период от одного до десяти лет. Раньше подобная работа занимала месяцы, но теперь исследователи справляются с задачей всего за выходные. Высокая скорость позволяет просчитывать множество сценариев параллельно и оценивать вероятность каждого исхода, а не полагаться на единственный вариант.
Дополнительным преимуществом технологии стала возможность тестировать влияние исходных параметров. Точка отсчета симуляции определяет точность прогноза, особенно на коротких дистанциях. Начало модели в фазе Эль-Ниньо или Ла-Нинья приводит к совершенно разным результатам. Проблему нехватки данных из труднодоступных зон решает проект Genesis Mission и инициатива Marine Assimilation with Generative Graphs in E3SM, в рамках которой специалисты из Лос-Аламосской национальной лаборатории создают корректные начальные условия с помощью генеративных моделей. Команда Колдуэлла проверяет эти данные с помощью STRATA, экономя огромное количество времени.
Как заставить облака работать на точность
Специалисты стремятся не просто ускорить вычисления, а исправить ошибки классических моделей. Проект STITCH в рамках Genesis Mission обучает эмуляторы на локальных симуляциях облачной микрофизики. Внутри облака тысячи капель сталкиваются, сливаются и меняют фазовое состояние, пока потоки воздуха переносят тепло и влагу. Физическим моделям сложно точно описать эти процессы, так как объединение облачной динамики и турбулентности порождает колоссальную неопределенность.
Нейросети имитируют поведение среды на уровне метра и даже мельче, создавая физически достоверное представление механизмов. За основу берется разработка LLNL — модель Energy Research and Forecasting с расчетом микрофизики суперкапель. Полученные детальные результаты для теплого дождя и турбулентности интегрируют в глобальные комплексы вроде E3SM. Качество работы проверяют по данным атмосферных радиационных установок DOE, замыкая цикл создания климатических прогнозов нового поколения.
