LLNL accélère les prévisions météo via l'émulateur IA STRATA

Des chercheurs du Lawrence Livermore National Laboratory, dont Peter Caldwell et Yunyan Zhang, développent des émulateurs d’atmosphère capables de reproduire rapidement les comportements d’une simulation climatique globale, afin de prévoir les conditions météorologiques des semaines, mois ou années à l’avance avec une précision accrue. Ces outils, dont STRATA, entraînés avec le département américain de l’Énergie et NVIDIA, exploitent l’apprentissage automatique pour imiter les résultats de modèles physiques comme E3SM, un système développé par le département de l’Énergie qui simule l’atmosphère avec une résolution de trois kilomètres en résolvant des équations complexes. Une telle approche évite les calculs très lourds qui prennent souvent des mois sur les supercalculateurs, tout en conservant une qualité comparable lorsque l’entraînement est réussi. La rapidité apportée par ces émulateurs est cruciale car le climat est chaotique: une seule projection peut être trompeuse. En effectuant des centaines de simulations, les scientifiques obtiennent des probabilités plutôt qu’un scénario unique, améliorant la confiance dans les prévisions. Leurs travaux portent aussi sur les conditions initiales, c’est-à-dire l’état de départ de la Terre, dont dépend fortement la justesse d’une prévision à court ou moyen terme. Par exemple, une trajectoire météorologique peut changer selon que l’on part d’un épisode El Niño ou La Niña, deux phases opposées de la variabilité climatique. Dans le cadre de la Genesis Mission du département de l’Énergie, le projet MAGGIE, piloté par Los Alamos, utilise des modèles génératifs pour reconstruire un état initial cohérent, notamment à partir d’océans profonds encore mal observés. Les émulateurs de Livermore permettent d’évaluer ces scénarios beaucoup plus vite: une campagne qui aurait pris trois mois avec un modèle physique a pu être réalisée en un week-end. L’équipe veut également corriger des faiblesses persistantes des modèles, notamment la physique des nuages et de la turbulence à très petite échelle, là où la formation des gouttelettes, les collisions, les changements d’état et les mouvements d’air rendent les prévisions incertaines. Le projet STITCH entraîne des émulateurs sur des simulations fines de microphysique nuageuse, puis intègre ces améliorations dans de grandes simulations globales. Les résultats seront validés avec les observations des installations Atmospheric Radiation Measurement. Cette boucle doit produire un système plus fidèle, de l’échelle du nuage à celle de la planète. À terme, ces outils pourraient soutenir la sécurité nationale en anticipant les tempêtes, les sécheresses et autres risques pesant sur les infrastructures, les ressources en eau, l’agriculture ou les opérations militaires. Les défis restent néanmoins importants: collecter davantage de données d’entraînement, faire communiquer les méthodes et représenter l’ensemble des mécanismes physiques.