توابل السحب: كيف تحسّن الشبكات العصبية النماذج المناخية سريع
يشبه التنبؤ بالمناخ وصفة طهي معقدة: رشة خاطئة واحدة تفسد الطبق بأكمله. وكذلك الحال مع السحب، فهي مكونات صغيرة لكنها حاسمة. تقسم النماذج المناخية التقليدية الغلاف الجوي إلى خلايا بحجم 50-100 كم ولا تميز السحب الفردية. هذا يشبه رش الفلفل بحفنات عندما تتطلب الوصفة رشة دقيقة. التبسيط يبعد عن الواقع: في النماذج، يؤدي فقدان المعلومات حول السحب إلى تراكم الأخطاء في حساب انعكاس ونفاذية الإشعاع الشمسي.
لتصحيح ذلك، درّب العلماء شبكة عصبية على محاكاة مفصّلة عالية الدقة، حيث تكون بنية السحب مرئية حتى أدق التفاصيل. تعلّمت الشبكة العصبية التنبؤ بجزء الحرارة الشمسية المرتبط بالسحب تحديدًا. أما السماء الصافية فما زالت تُحسب بالفيزياء الدقيقة، لذا تظل الطريقة دقيقة تحت أي تغيرات في مستويات ثاني أكسيد الكربون والنشاط الشمسي. ونتيجة لذلك، انخفضت الأخطاء بمقدار 4 إلى 10 مرات مقارنة بالطرق السابقة.
منعطف غير متوقع: الشبكة العصبية لا ترى السحب نفسها أبدًا. إنها تعمل مع نفس الخلايا الكبيرة التي تستخدمها النماذج المناخية، لكنها تلتقط تأثيرها الخفي على تدفقات الإشعاع. وهكذا، تتحكم تفاصيل مجهرية — توزيع قطرات السحب — في الصورة العالمية، ويعمل التعلم الآلي كأداة دقيقة للمعايرة تحل محل التقريبات الخشنة.
في النماذج المناخية، تبلغ الخلية النموذجية للشبكة 50×100 كم، بينما يبلغ حجم السحابة مئات الأمتار. تعبئة كل هذا «الخليط» من السحب في خلية واحدة هو ما يتطلب براعة.
التحكم في المناخ بواسطة أجهزة الكمبيوتر هو خيال علمي مألوف: في رواية «المريخ الأحمر» لكيم ستانلي روبنسون، يقوم الأبطال بتشكيل المريخ، محسبين كل درجة.