Come prevedere meglio i fenomeni meteorologici che si verificano una volta ogni millennio: i "cigni neri" del meteo

I modelli tradizionali basati su supercomputer possono prevedere questi eventi, ma richiedono molto tempo e un elevato consumo energetico. D'altro canto, i modelli predittivi più recenti, basati sull'intelligenza artificiale, sono efficaci per le previsioni giornaliere, ma spesso non riescono a prevedere gli eventi anomali non rappresentati nei dati di addestramento.

"I modelli meteorologici e climatici basati sull'IA rappresentano uno dei grandi successi dell'intelligenza artificiale in ambito scientifico, ma non sono miracolosi: falliscono con i cigni grigi, gli eventi più rari ed estremi", ha affermato Pedram Hassanzadeh, professore associato di scienze geofisiche all'Università di Chicago. "I modelli dettagliati basati sulla fisica possono catturare gli eventi estremi, ma richiedono quantità di tempo ed energia proibitive".

La loro soluzione combina l'efficienza degli strumenti di intelligenza artificiale con l'affidabilità dei modelli tradizionali per prevedere la probabilità di eventi rari in modo rapido e preciso, utilizzando molte meno risorse.

"Il vantaggio di questo metodo", ha affermato Hassanzadeh, "è che unisce i punti di forza dell'IA e della fisica tradizionale, risultando particolarmente efficace per gli eventi estremi, che sono i più difficili da simulare e hanno il maggiore impatto sociale".

Statistiche sugli eventi rari

Le ondate di calore sono una delle forme più letali di eventi meteorologici estremi. Nel 2003, un'ondata di calore ha causato circa 70.000 morti in Europa, mentre in Russia se ne sono registrate 56.000 nel 2010. Lo scorso giugno, quasi metà degli Stati Uniti – circa 180 milioni di persone – ha sperimentato temperature pericolose.

Queste ondate di calore stanno diventando più frequenti e intense, ma la natura atipica di questi eventi le rende difficili da studiare e da prevedere.

Le previsioni meteorologiche si sono tradizionalmente basate su modelli climatici e meteorologici fondati sulla fisica. Questi modelli ci aiutano a capire come diverse condizioni, come la pressione atmosferica, possano influenzare la temperatura e altre variabili nel tempo. Calcolano vari scenari potenziali che i ricercatori utilizzano per determinare cosa è più probabile che accada nella realtà.

I ricercatori possono mitigare il problema utilizzando una tecnica statistica chiamata campionamento di eventi rari (RES), che velocizza il processo assegnando un punteggio alle condizioni in modo che il modello climatico possa concentrarsi solo su quelle più promettenti e ignorare le altre. Tuttavia, il campionamento di eventi rari non funziona bene per eventi di breve durata, come ondate di calore di una settimana, ma piuttosto per un'intera stagione generalmente insolitamente calda.

Per ovviare a questo problema, il team ha ideato un nuovo metodo chiamato AI+RES, che migliora il meccanismo di punteggio aggiungendo la capacità dell'IA di prevedere quali condizioni hanno maggiori probabilità di produrre eventi estremi di breve durata e a rapido sviluppo.

“Ripetendo iterativamente questo processo, si arriva a una serie di simulazioni che catturano l'evento estremo raro di interesse”, ha spiegato Alexander Wikner, ricercatore post-dottorato presso lo Schmidt AI in Science nel gruppo di Hassanzadeh e co-autore senior dello studio. “Maggiore è il numero di simulazioni eseguite, migliore sarà la stima della probabilità di un tale evento, ottenendo in definitiva una certezza molto maggiore.”

Per testare il metodo, il team ha eseguito 50.000 simulazioni utilizzando un modello climatico tradizionale per prevedere le ondate di calore in alcune zone della Francia e del Midwest degli Stati Uniti. Il loro nuovo metodo AI+RES ha prodotto risultati praticamente identici utilizzando un centesimo delle simulazioni.

Poiché questo lavoro era una dimostrazione di fattibilità, hanno utilizzato un modello che non teneva conto dei cambiamenti climatici, aggiungendo un ulteriore livello di complessità. I ricercatori sperano di testare il loro metodo con modelli che operano in diversi scenari di cambiamento climatico per vedere come i risultati potrebbero variare con il riscaldamento del pianeta.

Wikner osserva che il metodo potrebbe anche contribuire a generare set di dati di eventi rari per addestrare modelli di intelligenza artificiale ancora più performanti, il che a sua volta accelererebbe ulteriormente il loro approccio.

Applicazione ad altri fenomeni estremi e rari

Secondo gli scienziati, il metodo ibrido potrebbe essere applicato ad altri eventi meteorologici estremi, come cicloni tropicali o precipitazioni estreme.

"Combina i vantaggi dell'intelligenza artificiale e della fisica tradizionale, ed è particolarmente efficace per gli eventi estremi, che sono i più difficili da simulare e hanno il maggiore impatto sociale".

Questo fornirebbe ai decisori politici l'accesso alle informazioni precise di cui hanno bisogno, come la frequenza di tempeste intense e ondate di calore nel clima attuale e futuro, a livello regionale, ad esempio, nello specifico in Texas, Florida o California.

"Questo è esattamente il tipo di informazione di cui i governi federali, statali e locali hanno bisogno come primo passo nella pianificazione dell'adattamento e della mitigazione dei cambiamenti climatici", ha aggiunto Hassanzadeh. "È molto incoraggiante poter estendere questo approccio a modelli reali che forniscono direttamente tali informazioni al pubblico e ai responsabili politici."

Fuente: Universidad de Chicago