Por qué una red neuronal para el clima no debe inventarse la 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 al clima desde Indonesia hasta California. Predecir su aparición es tan difícil como predecir hacia dónde rodará una piedra lanzada a un río caudaloso.

Los científicos construyen modelos simplificados de estos sistemas turbulentos porque es imposible calcular cada gota del océano. Las redes neuronales aprenden bien de los datos: ven meses de observaciones y aprenden patrones. Pero hay un truco. Una red neuronal ordinaria puede reproducir las características medias, 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 compás. No está obligada a conservar la energía porque no conoce la física.

Pero, ¿cómo comprobar que el modelo responde correctamente a una perturbación si solo se entrenó con datos tranquilos? Los autores utilizan el teorema de fluctuación-disipación, que relaciona las fluctuaciones espontáneas con la respuesta a una fuerza externa. 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. Además, pudo generar un evento extremo comparable al El Niño récord de 1997/1998, aunque en los datos de entrenamiento tal evento solo apareció una vez.

El giroscopio dentro de la red neuronal impide que el modelo se descontrole. Lo mantiene dentro de los límites de la física y, por tanto, se le puede preguntar sobre lo que no estaba en los datos: cómo responderá el clima a un empujón inesperado. Antes, estas preguntas se hacían con cautela porque los modelos podían dar respuestas sin sentido. Ahora tenemos una forma 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.