[Перевод] Физики‑климатологи борются с призраками в своих машинах: облаками

Физики‑климатологи борются с призраками в своих машинах: облаками

Простой

12 мин

668

Перевод

Планета становится всё горячее, но один фактор особенно мешает понять, насколько именно она нагреется. Физики и специалисты по компьютерным технологиям наперегонки пытаются решить проблему облаков.

В октябре 2008 года Крис Бретертон поднялся в воздух у побережья северного Чили на турбовинтовом C-130. Было слишком темно, чтобы разглядеть внизу песчаные холмы пустыни Атакама, но Бретертона темнота вполне устраивала. Он отправился в полёт не ради красивых видов. Сидя сразу за пилотами, исследователь всё внимание сосредоточил на небе.

Самолёт под завязку набили научными приборами, а на его крыльях торчали датчики и другие устройства. Непосредственная задача Бретертона состояла в том, чтобы помочь пилотам собрать сведения о льде, водяном паре и атмосферном давлении вокруг самолёта. В долгосрочной перспективе он собирался использовать эти данные, а также результаты будущих полётов над Калифорнией, Гавайями и Антарктидой, чтобы разобраться с одним из самых сложных факторов климатологии: облаками.

Самолёт пролетел мимо пушистого кучевого облака, и Бретертон заметил радужную игру цветов. Это было странно: облако казалось слишком тонким, чтобы в нём могли находиться крупные капли, необходимые для такого преломления света. «Полёты продолжительностью от шести до девяти часов редко бывают скучными, потому что мы постоянно сталкиваемся с неожиданными структурами в облаках, которые бросают вызов нашим научным представлениям», сказал Бретертон. Позже он пришёл к выводу, что воздух, вероятно, был настолько чистым, что облачный пар конденсировался в необычно крупные капли на необычно малом числе частиц.

За почти два десятилетия, прошедших с того полёта Бретертона, температура на Земле выросла примерно ещё на полградуса Цельсия. И облака, которые одновременно отражают солнечный свет и удерживают тепло, по‑прежнему остаются главным источником неопределённости в климатических прогнозах. Даже самые мощные суперкомпьютеры мира пока недостаточно мощны, чтобы можно было поместить крошечные цифровые облака внутрь гигантских цифровых земель, которые они моделируют. Поэтому климатологи ищут обходные пути, методы, позволяющие относительно безоблачным климатическим моделям закручиваться вихрями, порождать штормы и нагреваться так, словно в них присутствовал весь набор реалистичных облаков.

В последние несколько лет среди физиков развернулось соревнование за создание нового поколения этих климатических «хрустальных шаров». Бретертон, который теперь работает в Allen Institute for Artificial Intelligence (Ai2), один из заметных участников этой гонки. Другой участник — Тапио Шнайдер из Калифорнийского технологического института.

Новому этапу исследований придало мощный импульс развитие методов машинного обучения, относящихся к искусственному интеллекту. Шнайдер использует ИИ, чтобы точнее учитывать влияние облаков в климатических моделях, которые предсказывают будущее с помощью физических уравнений. Бретертон опасается, что эти уравнения никогда не смогут полностью описать поведение облаков, поэтому разрабатывает новые инструменты ИИ, способные предсказывать будущее непосредственно по данным реального мира и почти не опираться на физические уравнения.

Хотя Шнайдер, Бретертон и другие физики выбирают разные подходы, всех их объединяет ощущение, что времени мало. «Климат меняется быстро, сказал Бретертон. Идеальная модель через сто лет уже не поможет нам решить климатический кризис».

Библиотека фальшивых облаков

Если человечество продолжит выбрасывать углерод в атмосферу нынешними темпами, некоторые модели предсказывают, что примерно за следующие 50 лет климат потеплеет на 2 градуса Цельсия. Другие дают 6 градусов. В первом случае нас ждёт больше экстремальных погодных явлений и обострение нехватки продовольствия и воды. Для многих сообществ это будет опасный мир, но человечество в целом, возможно, сумеет к нему приспособиться. Второй вариант, однако, способен вызвать столько бедствий и голода, что человеческая цивилизация окажется полностью дестабилизирована. «Шесть градусов выглядят довольно пугающе», сказал Шнайдер.

Современные климатические модели учитывают влияние атмосферы, океанов, суши, льда и других компонентов планеты, причём каждая модель делает это по‑своему. Но больше половины расхождений между прогнозами возникает из‑за того, как модели обращаются с облаками. «Если ошибиться с облачным покровом всего на несколько процентов, скажем на 2 или 3%, прогноз потепления изменится на несколько градусов Цельсия», сказал Джордж Матеу, физик из Университета Коннектикута, изучающий облака.

В 2022 году Министерство энергетики США поручило Frontier, на тот момент самому мощному суперкомпьютеру мира, запустить новую флагманскую климатическую модель. В её основе лежала физика динамики жидкостей и газов, которую рассчитывали с помощью системы уравнений Навье‑Стокса. В определённом смысле создание этой модели стало кульминацией шестидесятилетней работы по повышению точности климатического моделирования за счёт увеличения разрешения компьютерных моделей. Когда‑то один пиксель в них соответствовал тысячам километров, затем сотням, а в этой модели — уже всего трём километрам.

Но даже такая передовая модель не могла напрямую учитывать тонкие накопительные эффекты облаков, размер которых может составлять всего несколько метров, а форму определяют ещё более мелкие воздушные завихрения. «Чтобы добраться до низких облаков, нам понадобится примерно в 100 миллиардов раз больше вычислительной мощности, чем есть сейчас, сказал Шнайдер. Так что при моей жизни этого не случится».

Раз физики не могут напрямую добавить облака в модели, им приходится фактически оценивать их влияние косвенно. В уравнения Навье‑Стокса добавляют дополнительные, нефизические члены, которые называют параметрами и которые должны передавать воздействие облаков. Эти модифицированные уравнения специально подбирают так, чтобы цифровые воздушные потоки изгибались и закручивались примерно так же, как в модели с настоящими облаками. Исследователи кропотливо корректируют параметры, пока модель не начинает правильно воспроизводить известные данные прошлого.

Но данных мало и они фрагментарны, поэтому физикам приходится полагаться ещё и на интуицию. В итоге трудно понять, действительно ли параметры одной модели лучше параметров другой. «Приходится немного угадывать», сказал Матеу.

Желание превратить подбор параметров из искусства в науку стало одной из причин, по которым Шнайдер в 2019 году основал Climate Modeling Alliance, CLIMA. Он хотел автоматизировать этот процесс и сделать его менее субъективным, обучив машины выбирать наилучшие параметры. Но для этого исследователям требовалось гораздо больше данных о разных типах облаков: калифорнийских, облаках над центральной частью Тихого океана, зимних, летних и так далее.

Исследователи вроде Бретертона лишь изредка могут позволить себе гонять самолёты через настоящие облака. Поэтому физики облаков обращаются к следующему по качеству варианту: моделированию по уравнениям Навье‑Стокса, которое называют методом крупных вихрей, или LES. «LES, лучшая модель облачной турбулентности, которая у нас есть, если речь идёт об ограниченной территории и коротком промежутке времени», сказал Чжаои Шэнь, исследователь CLIMA в Калтехе.

Проблема в том, что создавать LES тоже недёшево: для этого нужна огромная вычислительная мощность. Ещё сравнительно недавно, говорит Шэнь, исследователи создали лишь несколько десятков высококачественных моделей облаков. Этого недостаточно, чтобы физики получили полное представление о поведении облаков, и тем более недостаточно, чтобы научить машину понимать, как они работают. Поэтому несколько лет назад Шнайдер обратился за помощью к учёным из Google.

Моделирование методом крупных вихрей (LES) создаёт настолько подробные цифровые облака, что на графическом изображении их почти невозможно отличить от настоящих.

Шейде Шаммас и его коллеги из Google с нуля написали алгоритм LES, рассчитанный на специальные компьютерные чипы, тензорные процессоры. Они запустили программу на тысячах таких процессоров и начали штамповать одну симуляцию за другой. В итоге исследователи создали библиотеку более чем из 8000 цифровых облаков для 500 точек над Тихим океаном во все четыре сезона. «Библиотека Шейде полностью изменит правила игры, сказал Шнайдер. Ничего подобного у нас раньше не было».

Шнайдер и другие исследователи CLIMA уже обучили алгоритм на этом цифровом зверинце и с его помощью настроили новые параметры облаков. Это лишь одно из множества усовершенствований, благодаря которым, как считает Шнайдер, глобальная климатическая модель CLIMA станет ведущей моделью нового поколения.

Этой зимой модель наконец заработала. В марте участники проекта представят её на конференции в Японии, но, по словам Шнайдера, предварительные испытания показывают, что они уверенно движутся к своей главной цели: создать модель вдвое точнее любой существующей. «По ключевым показателям она уже точнее других моделей, и у нас ещё остаётся простор для дальнейших улучшений», сказал он.

Но пока исследователи CLIMA празднуют результаты десятилетней работы, другие физики продвигают альтернативное видение следующего поколения климатических моделей. Оно позволяет обойти трудную проблему параметров облаков, потому что в значительной степени отказывается от уравнений динамики жидкостей и газов.

Предсказать погоду на век вперёд

Глядя из иллюминаторов винтовых самолётов, Бретертон с восхищением и тревогой проникался сложностью облаков. Десятилетиями он пытался разобраться в них с помощью методов LES, но постепенно разочаровался, поскольку точность климатических моделей словно упёрлась в потолок. В конце концов он задумался: возможно, облака слишком сложны и разнообразны, чтобы их можно было имитировать с помощью параметров, даже если эти параметры основаны на моделях крупных вихрей с высоким разрешением. В 2017 году он начал размышлять, нельзя ли климатологам обойти диктат уравнений Навье‑Стокса и обратиться непосредственно к первоисточнику: реальным данным о реальной атмосфере с реальными облаками. Вскоре подтверждение этой идеи нашлось в родственной климатологии области, прогнозировании погоды.

Погодные модели похожи на климатические. До недавнего времени лучшие прогнозы погоды опирались на уравнения Навье‑Стокса, с помощью которых рассчитывали, как взаимодействуют тепло, давление и влага в воздухе, порождая дождь, мокрый снег и снег. Однако в 2018 и 2020 годах физики и специалисты по компьютерным технологиям объединились и начали разрабатывать новую стратегию.

Их вдохновила генерация видео, задача, с которой специалисты по компьютерным технологиям уже научились хорошо справляться. Нейронную сеть, разновидность алгоритма машинного обучения, обучали на большом наборе видеороликов, чтобы она научилась получать один кадр нового видео и выдавать правдоподобный следующий кадр. Повторяя этот процесс снова и снова, алгоритм мог генерировать целые видеоролики.

Специалисты по прогнозированию погоды задались вопросом: нельзя ли сделать то же самое? Если обучить нейронную сеть на исторических данных о погоде в Канзасе, а затем показать ей состояние атмосферы над Канзасом в полдень, сможет ли она достаточно точно угадать, что произойдёт там вечером, вообще без уравнений Навье‑Стокса?

Поначалу ответ звучал примерно как «вряд ли». Но к 2022 году сразу несколько исследовательских групп доказали обратное. «Никто не ожидал, что прогнозирование погоды преобразится настолько быстро», сказал Майк Причард, директор по исследованиям климатического моделирования в Nvidia. Сегодня погодные прогнозы на основе ИИ примерно на 10% точнее прогнозов, которые строят физические модели.

Пока происходила эта революция в прогнозировании погоды, Бретертон и его коллеги создавали похожие инструменты для климатических прогнозов. В 2024 году они выпустили вторую версию Ai2 Climate Emulator, ACE2, нейронную сеть, которую обучили на данных о поведении атмосферы за последние 50 лет. Там, где реальных данных не хватало, пробелы заполняли результатами моделирования. Эти данные уже содержат влияние настоящих облаков на настоящую атмосферу, поэтому прогнозы ACE2 тоже автоматически учитывают этот эффект. Подобно CLIMA с её улучшенными параметрами, ACE2 “тайком проносит” облака внутрь модели.

Учёные могут показать ACE2 состояние атмосферы в определённый момент, затем попросить предсказать, какой она будет через шесть часов, потом ещё через шесть и так далее. В будущем, которое рисует модель, возникают многие сложные атмосферные явления реального мира: циклоны, резкие потепления в стратосфере и другие знакомые феномены. Но действительно ли эти машинные картины будущего пригодны для среднесрочных прогнозов?

Недавние исследования показывают, что да. В прошлом году национальная метеорологическая служба Великобритании поручила ACE2 заглянуть на целый сезон вперёд. Исследователи взяли 23-летний период, начиная с 1993 года, и обнаружили, что ACE2, получив температуру поверхности океана в одном сезоне, могла предсказывать глобальную температуру и количество осадков через три месяца почти так же хорошо, как лучшая модель на основе уравнений Навье‑Стокса. При этом традиционной физической модели могут понадобиться часы работы суперкомпьютерного кластера, а ACE2 выполняла симуляцию за две минуты на одной машине.

Пока никто не доказал, что алгоритмы вроде ACE2 способны сохранять точность на больших временных масштабах, и вокруг этого идёт ожесточённая дискуссия. Прогноз погоды может описывать движение холодного фронта над Северной Америкой в ближайшие десять дней. Климатической модели приходится в конечном счёте предсказывать, как изменится температура на всей планете в течение следующего столетия.

У физиков есть веские причины для скепсиса. В отличие от уравнений динамики жидкостей и газов, нейронные сети лишь приближённо воспроизводят законы физики. Если запускать их на долгое время, даже небольшие ошибки начинают накапливаться. Есть и другая проблема: нейронные сети прекрасно воспроизводят сложные закономерности из обучающих данных, а климатические прогнозы должны иметь дело с событиями, которых никто прежде не наблюдал.

«Эти системы пытаются предсказывать будущее, сказал Сарат Шрипати, специалист по компьютерным технологиям из Окриджской национальной лаборатории, координировавший разработку флагманской климатической модели Министерства энергетики США. Насколько вы можете им доверять? Если прогноз основан на физических принципах, доверия может быть немного больше».

Новое искусство возможного

Хотя отдельные исследователи соревнуются между собой, пытаясь создать самый точный способ прогнозирования климата, они понимают, что на самом деле участвуют в общем деле, где успех одного подхода подталкивает вперёд другой.

Помимо обучения нейронных сетей на реальных данных об атмосфере, как в случае ACE2, учёные обучают их на прогнозах физических моделей, а затем используют эти нейронные сети, чтобы делать новые прогнозы с огромной скоростью. По словам Причарда, по сравнению с самими физическими моделями «это в 100–1000 раз быстрее».

Причард считает такое ускорение главным применением ИИ в климатологии. Потому что задача климатического прогнозирования состоит не в том, чтобы точно сказать, в каком состоянии окажется Земля через 30 лет. Нужно получить статистическое представление о том, какие варианты будущего наиболее вероятны, какие встречаются редко и как наша зависимость от ископаемого топлива меняет распределение этих вероятностей.

Вряд ли обычный человек заметит влияние этих нововведений в ближайшее время, но для работающих в этой области исследователей происходящее выглядит настоящим переворотом. Даже небольшое повышение точности прогнозов будущих температур, распределения осадков и штормов со временем может принести огромную пользу. А сейчас исследователи добиваются далеко не небольших улучшений.

«Через десять лет у нас будет совсем другое представление о том, насколько вообще предсказуема климатическая система Земли, сказал Причард. Все мои коллеги‑климатологи сейчас только и говорят о новых границах возможного».

Разумеется, что мы сделаем с этой информацией, зависит уже от нас.

Современные климатические модели ясно показывают: наши выбросы углерода делают планету горячее и опаснее. Модели следующего поколения, которые смогут точнее учитывать облака косвенными методами, гораздо лучше покажут, насколько именно она станет горячее и насколько опаснее. Но ни одна симуляция не способна предсказать, заставит ли нас это знание выбрать другое будущее. «Этот вопрос выходит далеко за рамки одной лишь науки, сказал Шнайдер. Предсказать это трудно».

Если эта публикация вас вдохновила и вы хотите поддержать автора — не стесняйтесь нажать на кнопку