Un nuevo algoritmo podría mejorar las predicciones del cambio climático
Los modelos del sistema terrestre son cruciales para predecir el cambio climático futuro. Estas complejas simulaciones por computadora describen los procesos de la Tierra (cómo responden el suelo, los océanos y la atmósfera a las emisiones de gases de efecto invernadero provocadas por el hombre) y cómo interactúan y son la base para predicciones de futuros escenarios de fenómenos meteorológicos y climáticos extremos.
Sin embargo, estos modelos combinan varios procesos complicados y antes de poder ejecutar una simulación se debe alcanzar un equilibrio estable representativo de las condiciones del mundo real antes de la revolución industrial. Sin esta fase de “aceleración”, el modelo puede “derivarse”, generando cambios que pueden atribuirse erróneamente a factores provocados por el hombre.
Pero el modelo debe funcionar durante muchos miles de años (hasta dos años en algunas de las supercomputadoras más poderosas del mundo); Es necesario reducir este tiempo de centrifugado, y investigadores de la Universidad de Oxford han logrado un gran avance al hacerlo.
Algoritmo más rápido
El profesor Samar Khatiwala ha desarrollado un nuevo algoritmo informático que se puede aplicar a los modelos del sistema terrestre para reducir significativamente el tiempo de rotación. Durante las pruebas de los modelos utilizados en las simulaciones del Panel Intergubernamental sobre Cambio Climático (IPCC), el algoritmo fue en promedio 10 veces más rápido a la hora de hacer girar el modelo, reduciendo el tiempo necesario para alcanzar el equilibrio de muchos meses a menos de una semana.
“Minimizar la deriva del modelo a un costo mucho menor en tiempo y energía es obviamente fundamental para las simulaciones del cambio climático, pero quizás el mayor valor de esta investigación pueda ser, en última instancia, para los responsables políticos que necesitan saber qué tan confiables son las proyecciones climáticas”, dice Khatiwala, profesor de Ciencias de la Tierra.
Esta reducción en el tiempo de giro permitirá a los investigadores ejecutar sus modelos a una resolución más alta y ejecutar simulaciones repetidas para definir mejor la incertidumbre. También les permitirá investigar cómo los cambios sutiles en los parámetros del modelo pueden afectar la producción, lo cual es fundamental para definir la incertidumbre de futuros escenarios de emisiones.
Superpotencia de supercomputadora
Más de la mitad de la potencia de supercomputación del mundo se utiliza para resolver la ecuación de Schrödinger, que predice cómo se comporta la materia a nivel microscópico.
Khatiwala se dio cuenta de que el mismo algoritmo utilizado aquí (la aceleración de Anderson) también podría usarse para reducir el tiempo de puesta en marcha del modelo, ya que ambos problemas son de naturaleza iterativa: la salida se crea y se retroalimenta al modelo repetidamente. Al preservar y combinar resultados anteriores en una sola entrada utilizando el esquema de Anderson, la solución final se logra más rápidamente.
Esto hace que el proceso de puesta en marcha sea más rápido y menos costoso desde el punto de vista computacional, y significa que puede aplicarse a varios modelos diferentes utilizados para investigar cuestiones como la acidificación de los océanos y la pérdida de biodiversidad. Khatiwala está probando el enfoque y el software con grupos de investigación de todo el mundo que están comenzando a poner en marcha sus modelos para el próximo informe del IPCC, previsto para 2029.
Referencia de la nota:
Samar Khatiwala, (2024) Efficient spin-up of Earth System Models using sequence acceleration, Science Advances.
