Auf Algorithmen der künstlichen Intelligenz (KI) basierende Klimavorhersagen könnten die gleichungsbasierten Systeme ersetzen, berichtete die Zeitschrift nature. Einige Wissenschaftler:innen entwickeln KI-Emulatoren, die die gleichen Ergebnisse wie herkömmliche Modelle liefern, jedoch viel schneller und mit einem weitaus geringeren Energieverbrauch. Klassische Klimamodelle sind auf leistungsstarke Supercomputer angewiesen und sind energieintensiv. Ein typisches Modell, das auf physikalischen Gleichungen beruht, braucht mehrere Wochen und bis zu 10 Megawattstunden Energie, um ein Jahrhundert Klima zu simulieren. Im Durchschnitt entspricht das etwa der Menge an Strom, die ein US-Haushalt jährlich verbraucht. KI-Modelle können die Ergebnisse millionenmal schneller liefern. Darüber hinaus fällt es klassischen Modellen schwer, kleinräumige Prozesse zu simulieren, etwa die Bildung von Regentropfen, die oft eine wichtige Rolle bei großräumigen Wetter- und Klimaergebnissen spielen.
Die KI-Emulatoren werden an den Ergebnissen klassischer Klimamodelle trainiert. Ein weiterer Weg, der verfolgt wird, ist, setzt darauf, dass KI-Systeme verborgene Muster in Klimadaten erkennen können, um bessere Vorhersagen zu treffen.
Hybride könnten Komponenten des maschinellen Lernens in physikbasierte Modelle einbetten, um eine bessere Leistung zu erzielen und gleichzeitig vertrauenswürdiger zu sein als vollständig auf KI basierende Modelle.
Quelle: https://www.nature.com/articles/d41586-024-00780-8
