Emulatoren liefern schnellere, präzisere Wetterprognosen
Forschende des Lawrence Livermore National Laboratory arbeiten an besonders schnellen und genauen Vorhersagen für Wochen, Monate und Jahre. Dafür setzen sie auf Emulatoren der Erdatmosphäre, darunter das System STRATA. Diese Werkzeuge nutzen maschinelles Lernen, um Verhalten nachzubilden, das traditionelle physikalische Erdsystemmodelle nur mit sehr hohem Rechenaufwand ermitteln. Hintergrund ist das US Department of Energy Exascale Earth System Model, kurz E3SM. Dieses Modell kann die Atmosphäre mit einer Auflösung von drei Kilometern beschreiben, erfordert dafür aber aufwendige Simulationen komplexer Physik. Die Berechnung eines Jahrzehnts in die Zukunft kann auf Supercomputern Monate dauern und erfasst dennoch nicht alle atmosphärischen Prozesse vollständig. STRATA und verwandte Emulatoren sollen diese Lücke schließen. Sie werden mit Ergebnissen aus Modellen wie E3SM trainiert, erhalten Startbedingungen und sagen darauf basierend den Zustand der Atmosphäre voraus, ohne jede physikalische Gleichung erneut lösen zu müssen. Ein zentraler Vorteil ist die Geschwindigkeit. Wettermodelle liefern wegen chaotischer atmosphärischer Prozesse unsichere Einzelprognosen. Für verlässliche Ergebnisse braucht es viele Durchläufe, sogenannte Ensembles. Emulatoren erlauben es, Hunderte solcher Vorhersagen in kurzer Zeit zu rechnen und Wahrscheinlichkeiten statt eines einzelnen Ergebnisses abzuschätzen. Caldwell bezeichnete den Vorteil als Größenordnungen schneller im Vergleich zu rein physikalischen Simulationen. In einem konkreten Beispiel konnte eine Serie von Tests über ein Wochenende abgeschlossen werden, die mit dem klassischen Modell rund drei Monate gedauert hätte. Die Entwicklung verbindet mehrere Vorhaben im Rahmen der Genesis Mission des US Energieministeriums. Eine Gruppe um Los Alamos National Laboratory arbeitet am Projekt MAGGIE, das generative Modelle nutzt, um bessere Startbedingungen für Erdsystemsimulationen zu erzeugen, insbesondere für schwer beobachtbare Ozeanregionen. LLNL-Wissenschaftler werten die Qualität dieser neuen Anfangsbedingungen aus und testen sie schnell mit LLNL-Emulatoren. Parallel dazu verbessert das STITCH-Projekt die Darstellung kleiner Prozesse. Dabei geht es um Wolkenmikrophysik, Turbulenzen, Tropfenbildung, Kollisionen, Phasenübergänge und den Transport von Wärme und Feuchtigkeit. Diese Prozesse sind für Regen, Wolken und globale Energieflüsse entscheidend, werden in großen Modellen aber oft nur vereinfacht erfasst. LLNL nutzt dafür einen hoch aufgelösten Simulator für Wolken und Tröpfchen und entwickelt daraus regionale Emulatoren. Diese Ergebnisse sollen in E3SM integriert werden, damit das globale Modell die physikalischen Mechanismen genauer abbildet. Zur Validierung dienen unter anderem Beobachtungsdaten der Atmospheric Radiation Measurement Facilities des US Energieministeriums. Am Ende steht ein Kreislauf: Verbesserte Wolkenphysik liefert bessere globale Simulationen, diese erzeugen neue Trainingsdaten für STRATA, und STRATA beschleunigt wiederum globale Vorhersagen. Langfristig zielt die Arbeit auf schnellere, verlässlichere und physikalisch konsistentere Modelle des Erdsystems. Für die nationale Sicherheit der USA könnten solche Vorhersagen bedeutend sein. Sie sollen helfen, kritische Infrastruktur und Lieferketten bei Naturereignissen besser zu schützen, Versorgungsrisiken bei Dürren oder Starkregen frühzeitig einzuschätzen und militärische, maritime und luftgestützte Einsätze planbar zu machen. Die Forschung bleibt jedoch anspruchsvoll, weil weiterhin enorme Mengen an Trainingsdaten nötig sind und kleine Skalen, globale Prozesse und neue Modellmethoden zusammengeführt werden müssen.
