Bjerknessenterets mål er å forstå klima
til nytte for samfunnet.

Kunnskapsdepartementet var vert for det norsk-amerikanske samarbeidet rundt kunstig intelligens i forskningen. Foto: Alex Moltzau, NORA Norwegian Artificial Intelligence Research Consortium

Supermodeller med topptrente algoritmer

Klimamodellene produserer store mengder data. Så store mengder at det er vanskelig å håndtere for vanlige mennesker, og altfor kostbare for kjøringer med store supercomputere. Et nytt samarbeid om maskinlæring og AI hjelper på dette.

Body

 

­– Det er et svært spennende samarbeid vi har startet opp, sier Kikki Kleiven, direktør for Bjerknessenteret for klimaforskning.

Hun er på besøk hos Kunnskapsdepartementet sammen med det amerikanske energidepartementet, U.S. Department of Energy, for å videreutvikle et samarbeid rundt maskinlæring og  KI - kunstig intelligens.

Francois counillon presenterer supermodeller
Francois Counillon om supermodellering vs standard modellering. Foto: Kikki Kleiven

På møtet i Oslo denne uken er sentrale forskere og partnere i Bjerknessenteret fra Nansensenteret, NORCE og UiB til stede for å presentere sine planer rundt framtidige prosjektsamarbeid, der man i klimamodelleringen utnytter kunnskapen rundt maskinlæring og trening av algoritmer.

Det planlegges prosjekter med forskning som kan forbedre klimavarsling ved å trene algoritmer til å forstå mønster i vær og vindsystemer, eller til å forstå hvordan sjøisen beveger seg og sprekker opp. Maskinlæring og KI kan også benyttes for å videreutvikle såkalte supermodeller, som er en kombinasjon av flere modeller, der man også kan korrigere for kjente modellfeil. Resultatet er modellbaner som er nærmere observasjoner enn hver modell for seg.

Laboratorium over jorda definert i ligninger

En klimamodell kan sees på som et laboratorium over jorda og klimasystemet, beskrevet ved hjelp av ligninger i et dataprogram. Klimamodellene er ofte regnet som et hovedverktøy i klimaforskningen, men de har noen begrensninger.

Det kan være begrensninger både på selve forståelsen av prosesser i klimasystemet, hvordan prosessene er representert i klimamodellen, koblingsmekanismene og tilbakekoblingen mellom prosessene. Mens disse begrensningene handler om selve grunnforskningen og forskernes forståelse av klimasystemet, finnes det andre begrensinger der helt nye metoder kommer til sin rett: Maskinlæring.


Også i karbonovervålingen brukes maskinlæring sammen med observasjoner for å estimere havets årlige karbonopptak. 

 

Håndtering av store mengder data

Gjennom kjøringer av klimamodeller produseres det enorme mengder data. I tillegg sikrer internasjonale modellsammenligninger at man har modellresultat med bedre sannsynlighet. Slike store modellsammenligninger som CMIP (Coupled Model Intercomparison Project) danner grunnlaget for hovedrapportene fra FNs klimapanel.

– Med så store mengder data, må man bruke store supercomputere. Det er svært kostbare modellkjøringer, og dataene er som nevnt bortimot uhåndterlige. Et samarbeid som dette kan ta klimamodelleringen mange steg framover, sier Kikki Kleiven.