L'océan et l'atmosphère apprennent à parler le même langage ✛

Original: "Coupled Ocean-Atmosphere Dynamics in a Machine Learning Earth System Model"
arXiv:2406.08632 · 2024-06-12 · CC BY 4.0 · 2 min
Le réseau de neurones Ola reproduit pour la première fois El Niño en modélisant l'océan et l'atmosphère comme un tout.

Deux danseurs se font face, mais ne voient pas leurs visages. L'un est l'atmosphère, rapide et oublieuse. L'autre est l'océan, lent et doté d'une bonne mémoire. Pour que la danse fonctionne, ils doivent se guider mutuellement en ne regardant que les mains de leur partenaire. C'est exactement ce couple qu'ont créé les chercheurs en assemblant le modèle Ola : deux réseaux de neurones qui n'échangent que quelques nombres, mais qui ensemble reproduisent l'un des rythmes les plus capricieux de la planète, El Niño.

El Niño est une tache d'eau chaude dans la partie équatoriale de l'océan Pacifique qui, tous les quelques années, modifie le temps qu'il fait dans le monde entier.

Le secret de la danse est caché sous l'eau. La couche supérieure de l'océan, jusqu'à 300 mètres de profondeur, garde la mémoire des vents passés et la restitue à travers la température de surface. L'atmosphère perçoit cette température et modifie le vent, qui à son tour pousse l'océan. Auparavant, les scientifiques décrivaient cette relation par des équations, mais celles-ci accumulaient des erreurs. Ola a emprunté une autre voie : le réseau de neurones pour l'atmosphère a été entraîné sur 36 années de données météorologiques, celui pour l'océan sur 22 années de données de température et de courants, puis ils ont été connectés en boucle. Le réseau océanique voit huit niveaux de profondeur, de un demi-mètre à 300 mètres, et distingue ainsi la couche de fort gradient de température où se cache le futur El Niño.

Le test a duré cinq ans. Ola a reproduit El Niño et sa sœur froide La Niña, et la température de surface de l'océan dans la région clé s'est avérée proche de la réalité. Le modèle a également généré des ondes qui se déplacent le long de l'équateur vers l'est et vers l'ouest, comme dans l'océan réel. La seule erreur notable s'est produite pendant l'hiver 2021-2022, lorsque le modèle n'a pas maintenu la troisième La Niña consécutive, mais la plupart des autres prévisions ont également échoué sur ce point.

Auparavant, on ne savait pas si un réseau de neurones pourrait apprendre la dynamique couplée de l'océan et de l'atmosphère. Ola a montré que oui. Dès maintenant, le prototype peut être utilisé pour des prévisions saisonnières rapides à des fins de recherche : Ola réalise une prévision sur six mois en moins d'une minute sur une seule carte graphique, alors que l'ancien modèle avait besoin de plusieurs heures sur un supercalculateur pour le même calcul. Les deux danseurs, qui n'ont appris qu'à travers les mains, sont déjà montés sur scène.

Ola produit une prévision à six mois en moins d'une minute sur une seule carte graphique A100, alors que le modèle classique GFDL-SPEAR a besoin de plusieurs heures sur un cluster pour le même calcul.

Scientifiques
Ludwig BoltzmannHenri PoincaréJohn von NeumannJosiah Willard Gibbs
Notions
ocean-atmosphere coupling zebiak cane model ENSO NOAA CPC North Atlantic Oscillation modèle climatique TAO/TRITON moorings El Niño-Southern Oscillation Multivariate ENSO Index spring predictability barrier relative ONI Indian Ocean Dipole La Niña ERA5 El Niño index climate network ensemble forecast sea surface temperature prévision ERSST