Dünya atmosferi emülatörleri daha hızlı ve daha doğru hava durumu tahminlerini mümkün kılabilir

Eğer Dünya’yı, yüzeyin hemen altından atmosferin tepesine kadar 1 kilometrekarelik parçalara ayırsaydınız, bunlardan milyarlarca tane olurdu. Şimdi bu hücrelerin her birini bir dizi karmaşık fizik denkleminden geçirin ve her seferinde bir adım olmak üzere tüm Dünya sisteminin nasıl etkileşime girdiğini ve nasıl geliştiğini ayrıntılı olarak görebilirsiniz.

Sorun mu? On yıllık geleceğin modellenmesi dünyanın en iyi süper bilgisayarlarında aylar sürüyor ve simülasyon hâlâ işin içindeki tüm fiziği yakalayamıyor.

Lawrence Livermore Ulusal Laboratuvarı’nda (LLNL) araştırmacılar, bu zaman çizelgesini kısaltmak ve aylar hatta yıllar için daha hızlı ve daha doğru hava durumu tahminleri sağlamak için emülatörler kullanıyor. Bu tahminler, kritik altyapının korunmasından doğal afetlere hazırlıktan askeri operasyonların planlanmasına kadar stratejik ulusal güvenlik avantajları sunacaktır.

Bir öykünücüyü eğitmek

Atmosfer modelleme, orijinal yüksek performanslı bilgi işlem ve büyük veri problemiydi. Buradaki zorluk, küçük, yerel türbülansları ve bulutları bir bütün olarak Dünya’ya bağlamaktan kaynaklanıyor.

ABD Enerji Bakanlığı (DOE) Exascale Dünya Sistemi Modeline (E3SM) liderlik eden LLNL bilim insanı Peter Caldwell, “Bir miktar hava kütlesinin dünyanın dört bir yanına hareketi yaklaşık bir hafta sürüyor, bu nedenle hava durumu tahmini yaparken simülasyonunuzda gerçekten tüm dünyaya ihtiyacınız var” dedi.

E3SM, her bir hava parçasının bundan sonra ne yapacağını belirlemek için bir dizi fizik denklemini çözerek atmosferi 3 kilometre çözünürlükle simüle edebilir. Caldwell ve LLNL bilim insanı Yunyan Zhang gibi meslektaşları, hesaplama açısından pahalı hesaplamalar yapmak yerine STRATA adını verdikleri emülatörlere bakıyor.

Zhang, “Bir emülatör için, gerçek fiziğin gözlemlerden veya yüksek doğruluklu modellerden elde edilen verilere dayanarak yapacağını taklit etmek için derin bir sinir ağı gibi makine öğrenimini kullanıyoruz” dedi.

Bunu başarmak için LLNL, DOE ve NVIDIA’dan bilim insanları STRATA’yı E3SM gibi bir modelin çıktıları konusunda eğitiyor. Daha sonra bir dizi başlangıç ​​koşuluyla beslenirler ve eğitime dayanarak ondan, fizik denklemlerini hiç çözmeden günler, aylar, yıllar sonra atmosferin nasıl görüneceğini tahmin etmesini isterler.

Caldwell, “İyi bir iş çıkarırsanız ikisi arasındaki farkı anlayamazsınız” dedi. “Ancak emülatör modelini kullanmanın özelliği, çok daha hızlı olmasıdır.”

Bu hız kullanışlı olmaktan çok daha fazlasıdır. Havanın tam bir resmini elde etmek için bu çok önemlidir; hava o kadar kaotiktir ki harika modeller bile zaman zaman kötü tahminlerde bulunabilir.

Caldwell, “Tahmin sisteminize güven oluşturmanın tek yolu çok sayıda simülasyon yapmaktır” dedi. “10 yıllık veya yalnızca bir yıllık simülasyon yapıyor olabiliriz, ancak resmin tamamını görebilmek için yüzlercesini yapmamız gerekiyor.”

Etkili bir emülatör, bilim adamlarının birçok tahmini aynı anda tartmasına olanak tanır ve tek bir olasılık yerine her birinin olasılığını sağlar.

Başlangıç ​​koşullarının optimize edilmesi

Emülatörlerin hızı başka bir hesaplama avantajı sağlar: başlangıç ​​koşullarının etkisini test etme yeteneği.

Her simülasyon (ister fizik tabanlı ister makine öğrenimi olsun) zamanın bir noktasında başlamalıdır ve araştırmacılar bu başlangıç ​​noktasını Dünya sisteminin başlangıç ​​koşulları olarak adlandırır. Bu başlangıç ​​koşulları, özellikle kısa vadeli hava tahminleri için çarpıcı derecede önemli olabilir.

Caldwell, “Modelinizi yalnızca birkaç ay çalıştırıyorsanız ve El Niño eyaletinde başladıysanız, başlangıç ​​koşullarınızın La Niña eyaletinden olması durumunda alacağınızdan çok farklı tahminler alacaksınız” dedi. “Gerçek dünyanın durumunu özetleyebilmemiz ve onu modelin başladığı yere kodlayabilmemiz gerekiyor.”

Ancak derin okyanus sıcaklıklarına ve ulaşılması zor alanlara ilişkin gözlemler eksiktir. DOE’nin bilimsel keşifleri süper zekayla (SI, daha önce yapay zeka olarak anılırdı) hızlandırmaya yönelik ulusal çabası olan Genesis Misyonu, Los Alamos Ulusal Laboratuvarı (LANL) liderliğindeki bir projeyle bu konuyu ele alıyor. E3SM veya MAGGIE’deki Üretken Grafiklerle Deniz Asimilasyonu çabası, tahmine dayalı simülasyonlar için doğru ve tutarlı başlangıç ​​koşullarını ortaya çıkarmak için üretken modelleri kullanacak.

Caldwell ve ekibi, LANL’ın yeni başlangıç ​​koşullarının kalitesini değerlendirerek MAGGIE projesinde önemli bir rol oynayacak. Bu görev, geleneksel simülasyonlar kullanıldığında, hesaplama açısından son derece pahalı olacaktır. LLNL’nin STRATA gibi emülatörleriyle testler hızlı olacaktır.

Caldwell, “Bu simülasyonlar topluluğunu fizik tabanlı bir modelle yapmak üç ayımızı alırdı” dedi. “Yeni emülatörlerimizle bunu bir hafta sonu boyunca yaptık.”

Bulut engelini aşmak

LLNL ekibinin aradığı tek gelişme hız değil. En iyi ihtimalle bir emülatör, orijinal Dünya sistemi simülasyonuyla aynı beceriye sahiptir. Ancak küçük ölçekli bir emülatörü bulutların içindeki fizik konusunda eğiterek model, orijinal simülasyonların yanlış yaptığı şeyleri düzeltebilir.

DOE Genesis Misyonu aracılığıyla, Akıllı Türbülans ve Bulut Buluşsal Yöntemleri için Ölçeklenebilir İkiz (STITCH) projesi, bulut mikrofiziği ve küçük ölçekli türbülansın yerelleştirilmiş simülasyonları konusunda bir emülatör yetiştirmeyi amaçlamaktadır.

Bir bulutun içinde binlerce su damlacığı çökelmeden önce toplanır, çarpışır, birleşir ve faz değişimlerine uğrar. Üstelik hava parselleri sürekli hareket halindedir ve ısı ve nemi aktarır. Bu olayların ölçümleri ve deneyleri zorludur ve bulutların fizik temelli modelleri bunları doğru yapmakta zorluk çekmektedir.

STITCH projesini yöneten Zhang, “Bu bulut ve türbülans süreçleri bir araya geldiğinde çok fazla belirsizlik yaratıyor” dedi. “Metre ölçeğinde veya daha ince bir ölçekte nasıl çalıştıklarını taklit etmek için makine öğrenimini kullanıyoruz, böylece bu mekanizmaların daha fiziksel, aslına sadık bir temsiline sahip oluyoruz.”

STITCH, bulut ve yağmur damlacıklarının gelişimini izlemek için LLNL’de geliştirilen gelişmiş bir yeteneğe (süper damlacık bulut mikrofiziği ile birleştirilmiş Enerji Araştırma ve Tahmin modeli) dayanmaktadır. Türbülanslı hava hareketini simüle eder; damlacık oluşumu ve dağılımı; ve damlacıklar hareket ettikçe ve sonuçta çökerken meydana gelen etkileşimler ve geçişler.

Zhang ve ekibi şu anda bu simülasyonlardan ılık yağmur ve türbülans için emülatörler geliştiriyor. Ayrıntılı, yerelleştirilmiş sonuçlar, modelin bulut fiziğine nasıl hitap ettiğini geliştirmek için E3SM gibi daha büyük ölçekli simülasyonlara beslenebilir.

Geliştirilmiş model fiziği, DOE’nin Atmosferik Radyasyon Ölçümü (ARM) tesislerinden elde edilen gözlemsel verilere göre doğrulanacak ve daha fazla model-veri entegrasyonu için ARM dağıtım siteleri için bölgesel emülatörler oluşturulacak.

Buradan itibaren fizik tam bir döngüye giriyor. Bulut mikrofiziği ve türbülans süreç emülatörleri E3SM’ye dahil edildikten sonra bu simülasyon, STRATA emülatörüne yeni eğitim verileri sağlamak üzere çalıştırılabilir. Sonunda bu, mikrodan küresel ölçeğe kadar fiziği birleştiren, Dünya sistemi arasında gerçek anlamda köprü kuran daha hızlı ve daha doğru bir model yaratacaktır.

Geleceğe doğru koşuyorum

Uzun vadede, LLNL araştırmacıları küresel simülasyonları hızlandırabilecek ve bu simülasyonları daha doğru hale getirebilecek emülatörler geliştirmeyi hedefliyor.

Bu tür bir emülatör ABD ulusal güvenliği için bir nimet olacaktır. Farklı hava durumlarını tahmin etmek, doğal afetler sırasında kritik altyapının ve tedarik zincirlerinin güvenliğinin sağlanmasına yardımcı olacaktır; Kuraklık veya aşırı yağış olaylarından kaynaklanan gıda, su ve enerji streslerini önceden tahmin etmek; ve askeri, deniz ve hava operasyonlarına yönelik operasyonel planlamaya yardım.

Oraya ulaşmak daha fazla çalışma gerektirecektir. Emülatörlerin hala eğitim verilerine ihtiyacı var, bu da hesaplama açısından pahalı simülasyonların çalıştırılması anlamına geliyor. Ve bulutların içindeki küçük su damlacıklarından küresel atmosfere kadar tüm fiziği bir araya getirmek, ölçekler, yöntemler ve bunlar üzerinde çalışan beyinler arasında köprü kurmayı gerektirecektir.

Zhang, “Bu harika bir ekip çalışması” dedi. “Çalışmamızın E3SM’de bulut mikrofiziği ve türbülansın geliştirilmesine ve Amerika Birleşik Devletleri’ndeki su kaynakları tahminlerinin iyileştirilmesine yardımcı olacağından çok heyecanlıyım ve eminim.”