Los modelos climáticos que representan la atmósfera, los océanos y otras partes del sistema terrestre son herramientas centrales para explorar futuros posibles. Pero cada simulación detallada puede requerir meses de cálculo en supercomputadoras. Un equipo del Instituto Tecnológico de Massachusetts (MIT) plantea que una parte de ese trabajo puede hacerse más eficiente si se eligen de otra manera los escenarios que se usan para entrenar modelos rápidos de inteligencia artificial.
Esos modelos rápidos se conocen como emuladores climáticos: no sustituyen a las simulaciones físicas completas, sino que aprenden de sus resultados para responder en segundos a preguntas que, de otro modo, exigirían repetir muchos cálculos. Su utilidad depende de que puedan responder también ante situaciones que no estuvieron exactamente entre los ejemplos con que fueron entrenados. Ahí aparece un problema: los escenarios habituales de emisiones son plausibles como relatos del futuro, pero pueden parecerse demasiado entre sí para enseñar al emulador toda la variedad de respuestas posibles del sistema climático.
El nuevo estudio, publicado en Proceedings of the National Academy of Sciences, ensayó una estrategia distinta. En vez de partir solo de trayectorias de emisiones convencionales, los investigadores ajustaron de forma iterativa escenarios sintéticos para que revelaran mejor dónde se equivoca el emulador. Algunos de esos escenarios incluyen cambios rápidos y poco realistas en las emisiones; no fueron pensados como pronósticos, sino como ejercicios de entrenamiento que obligan al modelo a distinguir cómo responden el clima y sus distintos impulsores.
En las pruebas con un modelo climático simple, un emulador entrenado con un único escenario optimizado superó a otro entrenado con seis trayectorias estándar del proyecto internacional ScenarioMIP. Los autores también usaron los escenarios diseñados con el modelo simple para generar datos en un modelo de complejidad intermedia y observaron una mejora frente al entrenamiento con las salidas convencionales. El resultado sugiere que, para ciertos objetivos, la diversidad informativa de las simulaciones puede importar más que acumular muchas trayectorias similares.
La idea podría ayudar a estudiar con mayor rapidez combinaciones de emisiones y contaminantes que interesan para evaluar riesgos, como reducciones locales de aerosoles mientras siguen cambiando los gases de efecto invernadero. Eso no convierte al emulador en una respuesta automática para planificar políticas ni garantiza que funcione igual en todos los modelos. Los ensayos todavía se apoyaron en modelos simples e intermedios, y el equipo señala que falta probar el método con escenarios producidos por modelos del sistema terrestre a escala completa y en otros tipos de simulaciones.
El avance desplaza parte de la atención desde la arquitectura de la inteligencia artificial hacia los ejemplos con que se la entrena. Para la investigación climática, donde explorar incertidumbres requiere comparar muchos futuros plausibles, aprender qué simulaciones conviene ejecutar primero puede ser tan importante como hacer más rápida la herramienta que analiza sus resultados.
New research could lead to faster, trustworthy AI models for climate prediction · MIT News Research
MIT News | Massachusetts Institute of Technology · Imagen acompañante del artículo fuente; atribución preservada · Fuente de imagen
Womack, C. B., Bouabid, S., Sokolov, A., Salunke, P., Flierl, G., Eastham, S. D., & Selin, N. E. (2026). Optimal scenario design for climate emulation. Proceedings of the National Academy of Sciences, 123(46), e2620731123. https://doi.org/10.1073/pnas.2620731123
Relacionadas por categoría
Ver masCopernicus prevé que 2026 y el promedio de cuatro años superen 1,5 °C
Los datos de ERA5 hasta octubre indican con más de 99 % de probabilidad que 2026 superará 1,5 °C sobre el nivel preindustrial; el promedio 2023-2026 también cruzaría ese valor.
El hielo invernal del Ártico podría ayudar a anticipar sequías estivales en Eurasia
Un estudio vincula menos hielo en los mares de Barents y Kara durante el invierno con una mayor probabilidad de sequía estival desde Europa oriental hasta Asia central.
Núcleos de hielo ártico rastrean una contaminación histórica por cobre hasta Montana
Diez núcleos de hielo permitieron reconstruir cómo emisiones de una gran fundición de cobre llegaron al Ártico hace más de un siglo.
Más de la misma fuente
Ver masCon la edad, se debilitan las ondas de líquido cerebral durante el sueño
Un estudio con resonancia y electroencefalografía halló que, durante el sueño profundo, las ondas de líquido cefalorraquídeo son menores en adultos mayores.
Una viga hecha con un molde textil usó mucho menos hormigón en una prueba real
Un equipo construyó y ensayó una viga de tres metros con un molde de tela: necesitó cerca de un tercio del hormigón y la mitad del acero de una viga convencional comparable.
Una IA intenta simular arena, agua y proteínas con un mismo modelo
Un preprint presenta WorldParticle, un modelo que representa distintos materiales como partículas para predecir su movimiento. Sus pruebas son prometedoras, pero no reemplazan todavía a los simuladores especializados.
Más del mismo autor
Ver masLa encuesta final de DES deja una pista, aún débil, sobre la energía oscura
El análisis final de Dark Energy Survey combina varias mediciones del universo y encuentra una preferencia estadística todavía insuficiente para cambiar el modelo cosmológico estándar.
Cómo los murciélagos vampiro lograron vivir solo de sangre
Nuevos genomas y el análisis de seis órganos muestran cómo los murciélagos vampiro transformaron su estómago y su metabolismo para subsistir con sangre.
Una mutación alteró los cilios y el movimiento de líquido cerebral en ratones
Un estudio en ratones vincula una mutación de SHP2 con fallas en los cilios que ayudan a mover el líquido cerebral. Dos intervenciones redujeron el problema en el modelo animal.