Как найти предвестник Эль-Ниньо быстрее ✎

Оригинал: "The Sampling Method for Optimal Precursors of ENSO Events"
· Bin Shi, Junjie Ma
arXiv:2308.13830 · 2023-08-26 · CC BY-NC-SA 4.0 · собственный разбор · 1 мин
Случайные пробы вместо сложного расчёта находят то же тёплое пятно в Тихом океане в пять раз быстрее.

Сапёр с завязанными глазами ищет мину, бросая камешки наугад. Он не видит, где зарыт заряд. Но если бросить много камешков и послушать, какой упадёт глуше, можно найти опасное место. Так же ищут предвестник Эль-Ниньо — тёплого течения, которое меняет погоду на всей Земле.

Эль-Ниньо начинается с тёплого пятна в Тихом океане. Если пятно растёт быстро, через несколько месяцев в Австралии наступает засуха, а в Перу — дожди. Задача — найти то самое начальное пятно.

Раньше для этого строили обратную модель. Она похожа на переводчика, который переводит речь обратно на исходный язык, чтобы проверить каждое слово. Это трудно и долго. Новый метод проще: компьютер много раз слегка меняет начальные условия и смотрит, как быстро растёт пятно. Каждая проба — как брошенный камешек. По сотням проб можно понять, где «мина», даже не видя её. Расчёт занимает 3 секунды вместо 15 — в пять раз быстрее, а результат почти тот же.

Метод выборки основан на формуле Стокса, которая связывает интеграл по объёму с интегралом по поверхности. Здесь она позволяет заменить градиент на среднее от значений функции на сфере — изящный математический трюк.

В рассказе Айзека Азимова «Последний вопрос» суперкомпьютер ищет способ обратить энтропию, перебирая варианты. Метод выборки тоже перебирает случайные направления, но вместо полного поиска использует статистику, чтобы быстро найти оптимальное возмущение.

\nabla \hat{J}(u_0) = \frac{d}{\epsilon} \mathbb{E}_{v \in S^{d-1}} [J(u_0 + \epsilon v) v]
Градиент сглаженной функции равен среднему по сфере от произведения значения функции на направление, умноженному на размерность и обратный радиус.
\nabla \hat{J}(u_0) \approx \frac{d}{n \epsilon} \sum_{i=1}^n [J(u_0 + \epsilon v_i) v_i]
Градиент оценивается как среднее арифметическое по n случайным направлениям, что позволяет избежать вычисления точного градиента.
Понятия
модель Зебиака–Кейна энсо индекс Эль-Ниньо модель Джина–Тиммермана весенний барьер предсказуемости многомерный индекс ЭНСО южная осцилляция эль-ниньо южная осцилляция NOAA CPC буйковые станции TAO/TRITON ла-нинья ERSST NOAA PMEL TAO относительный они распространение экваториальных волн прогноз северное экваториальное противотечение объём тёплой воды методы Монте-Карло ансамблевый прогноз