Les modèles météorologiques neuronaux modernes surpassent déjà les schémas numériques traditionnels en précision et en vitesse. Mais pour les prévisions climatiques saisonnières et pluriannuelles, l'océan est indispensable : son inertie thermique donne sa mémoire à tout le système. Ce travail est en marge : il y a peu de chercheurs dans ce domaine, les plus proches s'intéressent soit à des aspects particuliers de l'apprentissage automatique pour la géophysique, soit à des tâches étroites comme la prédiction d'El Niño à partir de séries temporelles. KIST-Ocean fait un pas vers un modèle océanique tridimensionnel complet qui pourrait devenir une composante d'un modèle neuronal de la Terre.
Le modèle repose sur une architecture en forme de U avec attention visuelle (VAN), qui capture efficacement les structures multi-échelles avec un petit nombre de paramètres. L'entrée comprend 62 variables océaniques (température, salinité, courants à 15 niveaux de profondeur) et 6 conditions aux limites de surface (stress du vent, flux de chaleur). L'apprentissage s'est déroulé en deux étapes : un pré-entraînement sur 320 années de simulations CESM2 Large Ensemble, puis un affinage sur 32 années de réanalyse GODAS/OISST/ERA5. Pour lutter contre la dérive de distribution lors de la prévision autorégressive, un entraînement antagoniste (GAN) avec un discriminateur PatchGAN a été utilisé. La convolution partielle a permis de traiter correctement le littoral en ignorant les terres.
KIST-Ocean a surpassé la prévision de persistance pour 81,3 % des cibles selon le coefficient de corrélation anormale (ACC) et pour 86,5 % selon le RMSE. Avec des conditions aux limites réelles, le modèle a conservé une compétence significative jusqu'à 200 jours pour la température potentielle, jusqu'à 85 jours pour le courant zonal à 145 m de profondeur, jusqu'à 40 jours pour le courant méridional et jusqu'à 100 jours pour la salinité. La comparaison avec cinq modèles NMME a montré que KIST-Ocean donne de meilleures prévisions de la température de surface de l'océan jusqu'à six mois avec un forçage réel, et avec un forçage climatologique, il n'est pas inférieur aux meilleurs modèles dynamiques sur un à deux mois. Dans des expériences idéalisées, le modèle a reproduit la propagation vers l'est des ondes de Kelvin et la propagation vers l'ouest des ondes de Rossby, les vitesses des ondes de Rossby coïncidant avec les prédictions théoriques pour différentes latitudes. Un stress du vent cyclonique a provoqué la remontée d'eaux froides et un refroidissement de surface, tandis qu'un stress anticyclonique a provoqué une descente et un réchauffement, comme le prédit la théorie d'Ekman.
Ce travail montre qu'un réseau de neurones peut apprendre non seulement des régularités statistiques, mais aussi les mécanismes physiques de la dynamique océanique. Cela le distingue des travaux voisins qui soit ne modélisent que des variables isolées, soit ne vérifient pas la cohérence physique. KIST-Ocean est la première vérification que l'apprentissage profond peut reproduire les réponses ondulatoires et ekmaniennes aux forçages atmosphériques, ouvrant la voie à des modèles neuronaux couplés océan-atmosphère.
La prochaine étape logique sera de coupler entièrement KIST-Ocean avec un modèle neuronal de l'atmosphère, afin que l'océan et l'air échangent des flux à chaque pas. Cela permettrait de prévoir El Niño et d'autres phénomènes climatiques des années à l'avance sans modèles numériques coûteux. Une extension à la glace de mer et à la biogéochimie est également possible.
Amélioration des prévisions climatiques saisonnières et interannuelles, en particulier des phénomènes El Niño et La Niña, qui influencent sécheresses, inondations et ouragans dans le monde entier. Le modèle pourrait être utile pour la pêche et la navigation grâce aux prévisions des courants.
Réaliser une évaluation quantitative des réponses au stress du vent et les comparer aux solutions analytiques. Développer un modèle neuronal entièrement couplé océan-atmosphère et le tester sur des prévisions d'El Niño.
Pour l'océanographie, la question reste ouverte de savoir dans quelle mesure les modèles neuronaux peuvent reproduire la variabilité à long terme, comme la circulation méridienne de retournement atlantique ou l'oscillation décennale du Pacifique. KIST-Ocean a été entraîné sur 32 années de réanalyse, ce qui pourrait être insuffisant pour vérifier ces processus lents.
Cette section s'adresse à l'auteur du travail et à ses collègues. Les travaux voisins ont été trouvés par une recherche sémantique dans notre archive, et non par correspondance de mots. Nous n'évaluons pas : nous montrons le champ autour.
Ce que fait ce travail
KIST-Ocean est un réseau de neurones profond qui modélise la circulation océanique tridimensionnelle avec un pas de cinq jours. Entraîné sur des réanalyses et des simulations climatiques, il a été validé sur des prévisions allant jusqu'à 200 jours. Il reproduit la physique des ondes de Kelvin et de Rossby ainsi que la réponse à la contrainte du vent selon la théorie d'Ekman.
Où est sa force
Le modèle ne se contente pas de prédire, il reproduit les mécanismes physiques connus de la dynamique océanique, ce qui est confirmé par comparaison avec la théorie. Cela ouvre la voie à des modèles couplés de l'océan et de l'atmosphère basés sur des réseaux de neurones.
Vers où avancer
À essayer
Pourquoi cela peut compter
Si les modèles océaniques neuronaux parviennent à reproduire de manière fiable les processus physiques clés, cela accélérera la création de prévisions climatiques rapides et précises, essentielles pour l'adaptation aux changements.
Travaux voisins dans notre archive
L'archive est vide autour de ce travail : l'analyse la plus proche n'est qu'à 0.53, contre 0,64 d'ordinaire. Il semble qu'on ait peu foré à côté.
Le modèle ne contient que 6,6 millions de paramètres, soit des dizaines de fois moins que les grands modèles de langage, mais suffisamment pour simuler l'océan sur une grille de 1°×1° avec 15 niveaux de profondeur. Sur un seul GPU A100, une prévision sur 200 jours prend environ 7 secondes.
Dans le roman de Kim Stanley Robinson, « Le Ministère du futur », des modèles climatiques dotés d'intelligence artificielle sont utilisés pour prédire des vagues de chaleur catastrophiques. KIST-Ocean est un pas vers de tels systèmes : un réseau de neurones qui comprend la physique de l'océan, et non pas qui ajuste simplement des statistiques.