Un giroscopio para el clima: cómo enseñar a una red neuronal a no inventar energía ✛

‹›

Cada pocos años, la corriente cálida frente a las costas de Perú se desplaza y los pescadores se quedan sin captura. Es El Niño, el aliento del Pacífico tropical, que afecta el clima desde Indonesia hasta California. Predecir su aparición es tan difícil como adivinar hacia dónde rodará una piedra lanzada a un río caudaloso.

Los científicos construyen modelos simplificados de estos sistemas turbulentos porque calcular cada gota del océano es imposible. Las redes neuronales aprenden bien de los datos: ven meses de observaciones y captan patrones. Pero hay un truco. Una red neuronal común puede reproducir las características promedio, pero ante un empujón externo, como un cambio en la actividad solar, puede empezar a oscilar como un columpio al que alguien empuja fuera de ritmo. No está obligada a conservar la energía porque no conoce la física.

Pero, ¿cómo comprobar que el modelo responderá correctamente a una perturbación si se entrenó solo con datos tranquilos? Los autores usan el teorema de fluctuación-disipación, que relaciona las fluctuaciones espontáneas con la respuesta a un estímulo externo. Es como saber cuán fuerte sonará una campana si la golpeas, observando cómo tiembla con ráfagas de viento aleatorias.

El método se probó en modelos idealizados de turbulencia y luego se aplicó a datos reales del sistema climático tropical. El modelo con 20 variables reprodujo la distribución no gaussiana de El Niño y su espectro con un pico en el rango de 2 a 5 años. Más aún, pudo generar un evento extremo comparable al El Niño récord de 1997/1998, aunque en los datos de entrenamiento ese evento aparecía solo una vez.

El giroscopio dentro de la red neuronal evita que el modelo se descontrole. Lo mantiene dentro de los límites de la física, y por eso se le puede preguntar sobre lo que no estaba en los datos: cómo responderá el clima a un empujón inesperado. Antes, esas preguntas se hacían con cautela porque los modelos podían dar respuestas sin sentido. Ahora tenemos una manera de construir versiones simplificadas fiables del océano y la atmósfera que no solo recuerdan el pasado, sino que también responden con honestidad sobre el futuro.