Η πρόβλεψη του καιρού ανέκαθεν αποτελούσε μια δύσκολη, σχεδόν απρόβλεπτη επιστήμη. Όταν όμως μιλάμε για προσομοίωση του ίδιου του κλίματος της Γης, τα πράγματα γίνονται ακόμα πιο πολύπλοκα. Παρ’ όλα αυτά, η πρόοδος των τελευταίων ετών σε δύο κρίσιμα μέτωπα, την ακρίβεια των μοντέλων και την εκρηκτική αύξηση της υπολογιστικής ισχύος, έχει φέρει τους επιστήμονες πιο κοντά από ποτέ στο να «προβλέψουν» το μέλλον του πλανήτη μας.
Μια ερευνητική ομάδα με επικεφαλής τον Daniel Klocke από το Max Planck Institute ανακοινώνει ένα εξαιρετικά σημαντικό επίτευγμα για τον χώρο της κλιματικής μοντελοποίησης: ένα ψηφιακό δίδυμο μοντέλο της Γης με ανάλυση σχεδόν ενός χιλιομέτρου.
Τεχνικά, το νέο μοντέλο λειτουργεί σε κλίμακα 1,25 χιλιομέτρων, μια λεπτομέρεια που δύσκολα έχει σημασία όταν μιλάμε για κάτι τέτοιας ακρίβειας. Για να καλύψουν κάθε σπιθαμή του πλανήτη, στεριά και θάλασσα, οι ερευνητές χρησιμοποίησαν 336 εκατομμύρια «κελιά», ενώ πρόσθεσαν ισάριθμα «ατμοσφαιρικά» κελιά για να προσομοιώσουν ό,τι συμβαίνει πάνω από το έδαφος. Συνολικά, το ψηφιακό τους αντίγραφο της Γης αποτελείται από 672 εκατομμύρια μονάδες προσομοίωσης.
Η πραγματική καινοτομία δεν βρίσκεται μόνο στην ανάλυση, αλλά στον τρόπο με τον οποίο το μοντέλο ενώνει δύο διαφορετικούς κόσμους: τα «γρήγορα» και τα «αργά» συστήματα της Γης.
Τα «γρήγορα» συστήματα, όπως ο κύκλος ενέργειας και νερού (δηλαδή ο καιρός) απαιτούν εξαιρετικά υψηλή ανάλυση, αφού τα φαινόμενα αλλάζουν μέσα σε λεπτά και διανύουν μικρές αποστάσεις. Για να τα προσομοιώσουν, οι επιστήμονες χρησιμοποίησαν το ICOsahedral Nonhydrostatic (ICON) μοντέλο, που έχει αναπτυχθεί από τη Γερμανική Μετεωρολογική Υπηρεσία και το Max Planck Institute for Meteorology.
Από την άλλη πλευρά, τα «αργά» συστήματα, όπως ο κύκλος του άνθρακα ή οι αλλαγές στη βιοποικιλότητα και τη χημεία των ωκεανών, εξελίσσονται σε κλίμακα ετών ή και δεκαετιών. Ο συνδυασμός αυτών των δύο ειδών διαδικασιών είναι το πραγματικό άλμα προς τα εμπρός. Μέχρι τώρα, τα σύνθετα αυτά μοντέλα μπορούσαν να «τρέξουν» μόνο σε ανάλυση δεκάδων χιλιομέτρων, λόγω των τεράστιων υπολογιστικών απαιτήσεων.
Για να ξεπεράσουν αυτό το εμπόδιο, οι ερευνητές χρειάστηκαν έναν συνδυασμό εξελιγμένου λογισμικού και της τελευταίας λέξης της τεχνολογίας στους επεξεργαστές. Το αρχικό μοντέλο είχε γραφτεί σε Fortran, μια γλώσσα προγραμματισμού που έχει προκαλέσει πονοκέφαλο σε γενιές επιστημόνων λόγω της παλαιότητάς της. Με τα χρόνια, είχε γεμίσει με πρόσθετα που το καθιστούσαν δυσκίνητο και δύσχρηστο στα σύγχρονα συστήματα.
Η λύση ήρθε μέσα από το πλαίσιο Data-Centric Parallel Programming (DaCe), το οποίο επιτρέπει την αποτελεσματική διαχείριση δεδομένων σε παράλληλες υπολογιστικές αρχιτεκτονικές. Έτσι, το μοντέλο μπορούσε πλέον να «τρέχει» σε σύγχρονους υπερυπολογιστές.
Αυτοί οι υπερυπολογιστές ήταν οι JUPITER στη Γερμανία και Alps στην Ελβετία, και οι δύο εξοπλισμένοι με το νέο GH200 Grace Hopper chip της Nvidia. Κάθε chip συνδυάζει έναν GPU τύπου Hopper (παρόμοιο με αυτούς που χρησιμοποιούνται για την εκπαίδευση AI) με έναν CPU Grace της ARM. Ο διαχωρισμός αυτός επιτρέπει στα GPU να αναλαμβάνουν τις «γρήγορες» διαδικασίες, όπως οι προσομοιώσεις καιρικών φαινομένων, ενώ οι CPU χειρίζονται τις πιο «αργές» μακροχρόνιες διαδικασίες του κλιματικού συστήματος.
Συνολικά, το μοντέλο αξιοποίησε 20.480 τέτοια υπερτσιπ, κατορθώνοντας να προσομοιώσει 145,7 ημέρες κλιματικών δεδομένων μέσα σε μόλις μία ημέρα πραγματικού χρόνου. Για να το πετύχει αυτό, χρειάστηκε να υπολογίσει σχεδόν ένα τρισεκατομμύριο μεταβλητές, ένα νούμερο που εξηγεί γιατί τέτοιες προσομοιώσεις δεν μπορούν να τρέξουν σε ένα απλό κέντρο μετεωρολογίας.
Φυσικά, η χρήση τόσο εξειδικευμένου εξοπλισμού σημαίνει ότι τέτοιου επιπέδου μοντέλα δεν θα αντικαταστήσουν σύντομα τα εργαλεία των καθημερινών προγνώσεων καιρού. Η υπολογιστική ισχύς που απαιτείται είναι τεράστια, και η πλειονότητα των υπερυπολογιστών σήμερα επιστρατεύεται για πιο εμπορικές εφαρμογές, όπως η εκπαίδευση παραγωγικών AI μοντέλων.
Μελλοντικά, καθώς οι υπολογιστικές δυνατότητες συνεχίζουν να αυξάνονται, τέτοια ψηφιακά δίδυμα της Γης μπορεί να γίνουν εργαλείο ρουτίνας, βοηθώντας μας να προβλέψουμε και ενδεχομένως να αποτρέψουμε τα χειρότερα σενάρια της κλιματικής αλλαγής.
