Banyak model iklim saat ini gagal menangkap proses skala kecil, seperti awan tebal tropis dan badai lokal, karena keterbatasan grid komputasi. Simulasi resolusi ultra-tinggi—dikenal sebagai cloud-resolving models (CRM)—menggunakan grid dua kilometer per kolom atmosfer, namun memakan hampir 95% total biaya komputasi pada proyeksi dekade global.
ClimSim-Online memanfaatkan ClimSim dataset, yang dihasilkan oleh E3SM-MMF (Energy Exascale Earth System Model – Multiscale Modeling Framework). E3SM-MMF menjalankan ribuan CRM tersemat dalam setiap kolom atmosfer pada resolusi kasar ~150 km. Selama 10 tahun simulasi, dihasilkan 5,7 miliar sampel fisika subgrid yang mendetail. Dataset ini tersedia di Hugging Face, memudahkan peneliti ML mengunduh dan melatih model.
Dengan menggunakan TorchScript, model ML yang sudah dilatih dapat disuntikkan langsung ke dalam kode Fortran E3SM. Peneliti dapat menjalankan simulasi hybrid di workstation lokal, klaster HPC, atau cloud. Modul “physics-before-coupling” yang biasanya menjalankan CRM digantikan oleh emulator ML. Diagnostics standar terintegrasi untuk memantau kestabilan dan akurasi simulasi online.
Dalam studi terbaru yang diterbitkan di Journal of Advances in Modeling Earth Systems, tim NVIDIA menggunakan arsitektur U-Net dengan pengkondisian mikrofisika:
1. Pembagian fasa kondensat mengikuti skema berbasis suhu.
2. Larangan terbentuknya awan es di atas tropopause.
3. Simulasi hybrid stabil hingga lebih dari lima tahun, dengan bias suhu <2 °C dan kelembapan <1 g/kg di troposfer.
Hasil ini menandai rekor baru dalam simulasi hybrid: cloud climatology tropis kini memiliki realisme yang menandingi CRM konvensional.
ClimSim-Online membuka pintu kolaborasi luas antara komunitas AI dan ilmuwan iklim. Beberapa peluang penelitian mendatang. Menurunkan bias hybrid lebih jauh dengan teknik reinforcement learning menggunakan reward non-diferensiabel. Mengeksplorasi arsitektur ML baru yang tahan terhadap pathologi model fisika. Membangun ekosistem terbuka untuk benchmarking skill offline dan performance online.
Dengan alur kerja reproducible ini, siapa pun bisa mengunduh data, melatih emulator ML, hingga mengevaluasi performa di simulator iklim skala penuh. Masa depan simulasi iklim hibrida kini di tangan komunitas global, dari peneliti AI hingga ahli atmosfer.
Cek Berita dan Artikel yang lain di
Google News
