Calculer notre avenir climatique

Lundi, le MIT a annoncé cinq projets phares pluriannuels dans le cadre des tout premiers Climate Grand Challenges, une nouvelle initiative visant à s’attaquer aux problèmes climatiques complexes et à fournir des solutions révolutionnaires au monde le plus rapidement possible. Cet article est le premier d’une série en cinq parties mettant en lumière les concepts les plus prometteurs issus de la compétition, et les équipes de recherche interdisciplinaires derrière eux.

Grâce à l’amélioration de la puissance de traitement informatique et à une meilleure compréhension des équations physiques régissant le climat de la Terre, les scientifiques travaillent continuellement à affiner les modèles climatiques et à améliorer leur pouvoir prédictif. Mais les outils qu’ils raffinent ont été conçus à l’origine il y a des décennies en pensant uniquement aux scientifiques. Lorsqu’il s’agit d’élaborer des plans d’action concrets pour le climat, ces modèles restent impénétrables pour les décideurs politiques, les responsables de la sécurité publique, les ingénieurs civils et les organisateurs communautaires qui ont le plus besoin de leurs connaissances prédictives.

Ce que vous finissez par avoir, c’est un écart entre ce qui est généralement utilisé dans la pratique et la véritable science de pointe, explique Noelle Selin, professeur à l’Institut des données, des systèmes et de la société et au Département des sciences de la Terre, de l’atmosphère et des planètes (EAPS ), et codirige avec le professeur Raffaele Ferrari le projet phare MIT Climate Grand Challenges Bringing Computation to the Climate Challenge. Comment pouvons-nous utiliser de nouvelles techniques de calcul, de nouvelles compréhensions, de nouvelles façons de penser la modélisation, pour vraiment combler ce fossé entre les avancées scientifiques de pointe et la modélisation, et les personnes qui ont réellement besoin d’utiliser ces modèles ?

En utilisant cela comme une question motrice, l’équipe n’essaiera pas seulement d’affiner les modèles climatiques actuels, ils en construisent un nouveau à partir de zéro.

Ce type d’avancée révolutionnaire est exactement ce que recherchent les Grands défis climatiques du MIT, c’est pourquoi la proposition a été nommée l’un des cinq projets phares de l’ambitieux programme à l’échelle de l’Institut visant à lutter contre la crise climatique. La proposition, qui a été sélectionnée parmi 100 soumissions et figurait parmi les 27 finalistes, recevra un financement et un soutien supplémentaires pour poursuivre son objectif de réinventer le système de modélisation climatique. Il rassemble également des contributeurs de l’ensemble de l’Institut, notamment du MIT Schwarzman College of Computing, de la School of Engineering et de la Sloan School of Management.

Quand il s’agit de rechercher des solutions climatiques à fort impact que les communautés du monde entier peuvent utiliser, c’est formidable de le faire au MIT, déclare Ferrari, professeur d’océanographie EAPS Cecil et Ida Green. Vous ne trouverez pas beaucoup d’endroits dans le monde où vous avez la science climatique de pointe, l’informatique de pointe et les experts en science politique de pointe dont nous avons besoin pour travailler ensemble.

Le modèle climatique du futur

La proposition s’appuie sur le travail que Ferrari a commencé il y a trois ans dans le cadre d’un projet conjoint avec Caltech, la Naval Postgraduate School et le Jet Propulsion Lab de la NASA. Appelé Climate Modeling Alliance (CliMA), le consortium de scientifiques, d’ingénieurs et de mathématiciens appliqués construit un modèle climatique capable de projeter avec plus de précision les changements futurs des variables critiques, telles que les nuages ​​​​dans l’atmosphère et la turbulence dans l’océan, avec des incertitudes à moins la moitié de la taille de ceux des modèles existants.

Pour ce faire, il faut cependant une nouvelle approche. D’une part, les modèles actuels ont une résolution trop grossière à l’échelle de 100 à 200 kilomètres pour résoudre des processus à petite échelle tels que la couverture nuageuse, les précipitations et l’étendue de la glace de mer. Mais aussi, explique Ferrari, une partie de cette limitation de résolution est due à l’architecture fondamentale des modèles eux-mêmes. Les langages dans lesquels la plupart des modèles climatiques mondiaux sont codés ont été créés pour la première fois dans les années 1960 et 1970, en grande partie par des scientifiques pour des scientifiques. Depuis lors, les progrès de l’informatique tirés par le monde de l’entreprise et les jeux informatiques ont donné naissance à de nouveaux langages informatiques dynamiques, à de puissantes unités de traitement graphique et à l’apprentissage automatique.

Pour que les modèles climatiques tirent pleinement parti de ces avancées, il n’y a qu’une seule option : recommencer avec un langage moderne et plus flexible. Écrit dans Julia, une partie de la technologie d’apprentissage automatique scientifique de Julialabs, et dirigé par Alan Edelman, professeur de mathématiques appliquées au département de mathématiques du MIT, CliMA sera en mesure d’exploiter beaucoup plus de données que les modèles actuels ne peuvent en gérer.

Ça a été vraiment amusant de travailler enfin avec des gens de l’informatique ici au MIT, dit Ferrari. Avant, c’était impossible, car les modèles climatiques traditionnels sont dans une langue que leurs élèves ne peuvent même pas lire.

Le résultat est ce qu’on appelle le jumeau numérique de la Terre, un modèle climatique capable de simuler les conditions mondiales à grande échelle. C’est en soi un exploit impressionnant, mais l’équipe veut aller plus loin avec sa proposition.

Nous voulons prendre ce modèle à grande échelle et créer ce que nous appelons un émulateur qui prédit uniquement un ensemble de variables d’intérêt, mais il a été formé sur le modèle à grande échelle, explique Ferrari. Les émulateurs ne sont pas une nouvelle technologie, mais ce qui est nouveau, c’est que ces émulateurs, appelés les cousins ​​numériques de la Terre, tireront parti de l’apprentissage automatique.

Maintenant, nous savons comment former un modèle si nous avons suffisamment de données pour les former, explique Ferrari. L’apprentissage automatique pour des projets comme celui-ci n’est devenu possible que ces dernières années, à mesure que davantage de données d’observation deviennent disponibles, ainsi qu’une puissance de traitement informatique améliorée. L’objectif est de créer des modèles plus petits et plus localisés en les entraînant à l’aide du jumeau numérique Earth. Cela permettra d’économiser du temps et de l’argent, ce qui est essentiel si les cousins ​​​​numériques doivent être utilisables par les parties prenantes, telles que les gouvernements locaux et les développeurs du secteur privé.

Prédictions adaptables pour les parties prenantes moyennes

Lorsqu’il s’agit d’établir une politique tenant compte du climat, les parties prenantes doivent comprendre la probabilité d’un résultat dans leur propre région de la même manière que vous vous prépareriez différemment pour une randonnée s’il y a 10 % de chance de pluie contre 90 % de chance. Les modèles cousins ​​numériques terrestres plus petits pourront faire des choses que le modèle plus grand ne peut pas faire, comme simuler des régions locales en temps réel et fournir une gamme plus large de scénarios probabilistes.

À l’heure actuelle, si vous vouliez utiliser la sortie d’un modèle climatique mondial, vous devriez généralement utiliser une sortie conçue pour un usage général, explique Selin, qui est également directeur du programme de technologie et de politique du MIT. Avec le projet, l’équipe peut prendre en compte les besoins des utilisateurs finaux dès le début tout en incorporant leurs commentaires et suggestions dans les modèles, contribuant ainsi à démocratiser l’idée de faire fonctionner ces modèles climatiques, comme elle le dit. Cela signifie créer une interface interactive qui donnera éventuellement aux utilisateurs la possibilité de modifier les valeurs d’entrée et d’exécuter les nouvelles simulations en temps réel. L’équipe espère qu’à terme, les cousins ​​numériques de la Terre pourraient fonctionner sur quelque chose d’aussi omniprésent qu’un smartphone, bien que de tels développements dépassent actuellement la portée du projet.

La prochaine chose sur laquelle l’équipe travaillera est d’établir des liens avec les parties prenantes. Grâce à la participation d’autres groupes du MIT, tels que le Programme conjoint sur la science et la politique du changement global et le Consortium sur le climat et la durabilité, ils espèrent travailler en étroite collaboration avec les décideurs politiques, les responsables de la sécurité publique et les urbanistes pour leur donner des outils prédictifs adaptés à leurs besoins. besoins qui peuvent fournir des résultats exploitables importants pour la planification. Face à l’élévation du niveau de la mer, par exemple, les villes côtières pourraient mieux visualiser la menace et prendre des décisions éclairées concernant le développement des infrastructures et la préparation aux catastrophes ; les communautés des régions sujettes à la sécheresse pourraient développer une planification civile à long terme en mettant l’accent sur la conservation de l’eau et la résistance aux incendies de forêt.

Nous voulons accélérer le processus de modélisation et d’analyse afin que les gens puissent obtenir des commentaires plus directs et utiles pour les décisions à court terme, dit-elle.

La dernière pièce du défi consiste à inciter les étudiants maintenant afin qu’ils puissent rejoindre le projet et faire une différence. Ferrari a déjà eu la chance de susciter l’intérêt des étudiants après avoir co-enseigné un cours avec Edelman et vu l’enthousiasme des étudiants pour l’informatique et les solutions climatiques.

Avaient l’intention dans ce projet de construire un modèle climatique du futur, dit Selin. Il semble donc tout à fait approprié que nous formions également les constructeurs de ce modèle climatique.