Deep Learning Earth System Model (DL ESy M) predstavuje prelomový prístup v modelovaní zemského systému, ktorý sa zameriava na riešenie kľúčových výziev spojených s výpočtovo náročnými tradičnými modelmi. Jeho hlavným cieľom je presne simulovať súčasnú klímu Zeme počas 1000-ročných období, s minimálnym vyhladzovaním a bez driftu, pričom dokáže rozlíšiť signály globálneho otepľovania od medziročnej variability. Tento model hlbokého učenia je navrhnutý ako vysoko efektívny a presný nástroj, ktorý dokáže produkovať tisíce rokov realistických stavov atmosféry a oceánu, vrátane sezónnych cyklov a medziročnej variability.

Metodológia a tréning DL ESy M je prepojený model hlbokého učenia, ktorý kombinuje model predikcie počasia založený na hlbokom učení (DLWP) s modelom oceánu taktiež založeným na hlbokom učení (DLOM). Jeho tréning prebieha na historických údajoch z reanalýzy ERA5 a satelitných pozorovaniach, ako je napríklad odchádzajúce dlhovlnné žiarenie (OLR) z ISCCP, pokrývajúce obdobie od roku 1983 do roku 2017. Napriek tomu, že moduly atmosféry a oceánu sú trénované samostatne, počas inferencie sú prepojené. Prepojenie medzi atmosférou a oceánom je asynchrónne, s atmosférickým modulom aktualizovaným každých 12 hodín a oceánskym modulom aktualizovaným každé 4 dni, pričom DLOM predpovedá iba teplotu morskej hladiny (SST). Zrážky nie sú simulované priamo, ale sú diagnostikované samostatným DL modulom.

Kľúčové vlastnosti a výkon

Jedným z najvýznamnejších prínosov DL ESy M je jeho výpočtová efektivita. Dokáže simulovať 1000 rokov rovnovážnej klímy za menej ako 12 hodín na jednej NVIDIA A100 GPU. To predstavuje radikálny rozdiel oproti tradičným numerickým modelom zemského systému, ktoré by na podobnú simuláciu vyžadovali mesiace a obrovské výpočtové zdroje, často dostupné len vo veľkých národných a medzinárodných centrách.

Pokiaľ ide o vernosť simulácie, DL ESy M sa vyrovnáva alebo prekonáva popredné modely CMIP6 v kľúčových metrikách sezónnej a medziročnej variability:

• Tropická cyklogenéza: Model realisticky simuluje tropické cyklóny (TC) v rozsahu pozorovaných intenzít, najmä v západnom severnom Pacifiku (WNP), kde sa jeho priemerný ročný počet TC úzko zhoduje s ERA5. Prekonáva v tom výkon modelov CMIP6.
• Indický letný monzún (ISM): Presne reprodukuje ročný cyklus ISM a jeho priestorové rozloženie. Kvantitatívne porovnania ukazujú, že klimatológia ISM v DL ESy M má lepšiu koreláciu vzoru a centrovanú RMSE v porovnaní s modelmi CMIP6 a satelitnými pozorovaniami ISCCP.
• Atmosférické blokovacie udalosti: DL ESy M približuje priestorové rozloženie a frekvenciu blokovacích udalostí, pričom dosahuje lepšiu koreláciu vzoru a centrovanú RMSE ako všetky štyri porovnávané modely CMIP6.
• Anuálne módy (NAM a SAM): Model vykazuje realistické Severné a Južné anuálne módy s podobnou priestorovou štruktúrou a veľkosťou ako v ERA5, prekonávajúc väčšinu CMIP6 modelov.
• El Niño Southern Oscillation (ENSO): Spontánne generuje časové variácie v oblasti Niño 3.4 porovnateľné s pozorovaniami, hoci s menšou amplitúdou.

Model vykazuje zanedbateľný drift v globálne spriemerovaných hodnotách teploty vzduchu na 2 m a SST počas dlhodobých simulácií, čo je kľúčové pre klimatické modelovanie a odlišuje ho od tradičných modelov, ktoré vyžadujú spin-up a ladenie parametrov.

Obmedzenia a budúce smery

Napriek pôsobivému výkonu má DL ESy M aj určité obmedzenia. Model nadhodnocuje zrážky v oblasti Intertropickej konvergenčnej zóny v rovníkovom Pacifiku. Jeho jednoduchý oceánsky modul, ktorý predpovedá len SST, vedie k slabšej amplitúde signálu ENSO a celkovej medziročnej variabilite. Taktiež sa prejavuje chladná zaujatosť v atlantických SST, čo vedie k nesprávnemu zníženiu počtu atlantických hurikánov v simuláciách. V súčasnej konfigurácii je model vhodný len pre simulácie súčasnej klímy, a nie pre projekcie budúcich scenárov, ktoré by vyžadovali zahrnutie vplyvov skleníkových plynov a antropogénnych aerosólov.

DL ESy M predstavuje výkonný, ale cenovo dostupný nástroj na štúdium variability počasia a klímy, výrazne zvyšujúci dostupnosť vysokoverného modelu zemského systému. Svojou schopnosťou presne zachytávať vzorce variability naprieč časovými škálami má veľký potenciál pre subsezónne a sezónne predpovede (S2S). Budúci výskum sa zameria na vývoj komplexnejšieho oceánskeho modulu a skúmanie možností na simuláciu budúcich klimatických podmienok, napríklad pomocou fyzikálnych obmedzení v tréningovom procese. JRi

Štúdia publikovaná v časopise AGU Advances