Dos bailarines están uno frente al otro, pero no se ven las caras. Uno es la atmósfera, rápida y ruidosa, que olvida sus pasos a las dos semanas. El otro es el océano, lento y pesado, que recuerda cada roce durante meses. Para que el baile funcione, necesitan aprender a guiarse mutuamente, mirando solo las manos del compañero. Esa pareja es la que crearon los investigadores al construir el modelo Ola: dos redes neuronales que intercambian solo unos pocos números, pero juntas reproducen uno de los ritmos más caprichosos del planeta: El Niño.

El secreto del baile está bajo el agua. La capa superior del océano, hasta 300 metros de profundidad, guarda memoria de los vientos pasados y la libera a través de la temperatura de la superficie. La atmósfera siente esa temperatura y cambia el viento, que a su vez empuja al océano. En los modelos físicos, esta conexión se describe con ecuaciones, pero durante décadas han acumulado errores en los trópicos, como la lengua fría que estropea los pronósticos. Ola tomó otro camino: la red neuronal para la atmósfera se entrenó con 36 años de reanálisis ERA5, la del océano con 22 años de datos UFS-replay, y luego se conectaron en un ciclo. La red oceánica ve ocho niveles de profundidad, desde medio metro hasta 300 metros, y por eso distingue la termoclina, la capa de cambio brusco de temperatura donde se esconde el futuro de El Niño.

La prueba duró cinco años, de 2017 a 2022. Ola reprodujo tanto El Niño como su hermana fría, La Niña, y la amplitud de las oscilaciones de temperatura en la región Niño 3.4 resultó cercana a las observaciones. A lo largo del ecuador, el modelo generó ondas de Kelvin que viajan hacia el este a unos dos metros por segundo, y ondas de Rossby que se arrastran hacia el oeste entre cinco y diez grados del ecuador. Bajo la superficie, las anomalías de temperatura durante El Niño se desplazaron hacia el este a 50 metros de profundidad, como en el océano real. El único fallo notable ocurrió en el invierno de 2021-2022, cuando el modelo no sostuvo la tercera Niña consecutiva, pero la mayoría de los sistemas operativos tampoco lo lograron.

Antes no estaba claro si una red neuronal podría aprender la dinámica acoplada del océano y la atmósfera, incluidos los procesos subsuperficiales que controlan El Niño. Ola demostró que sí. La diferencia con trabajos anteriores es fundamental: estos predecían El Niño mediante índices estadísticos o usaban solo la temperatura superficial del océano, mientras que Ola incorporó por primera vez la estructura vertical de los 300 metros superiores en el circuito entrenable. No es solo otro emulador, sino una prueba de la hipótesis de que una red neuronal puede aprender la dinámica acoplada del océano y la atmósfera, incluidas las ondas que transportan calor y determinan la fase de El Niño.

Por ahora, el modelo es estable solo durante seis meses; más allá, en latitudes altas se acumulan derivas. Pero ya hoy el prototipo puede usarse para pronósticos estacionales por conjuntos rápidos con fines de investigación: Ola hace un pronóstico a seis meses en menos de un minuto en una sola tarjeta gráfica A100, mientras que el modelo clásico GFDL-SPEAR necesita horas en un clúster para el mismo cálculo. Los dos bailarines que aprendieron solo con las manos ya han salido al escenario.