Studi precedenti hanno dimostrato che Pangu-Weather può replicare accuratamente determinati modelli climatici come le risposte Gill tropicali e le teleconnessioni extra-tropicali attraverso un’analisi qualitativa. Tuttavia, le indagini quantitative hanno rivelato differenze significative nelle componenti del vento, come venti divergenti e venti ageostrofici, all’interno degli attuali modelli meteorologici basati sull’intelligenza artificiale. Nonostante questi risultati, si teme ancora che l'importanza della fisica nella scienza del clima venga talvolta trascurata.

"La valutazione qualitativa rileva che i modelli di intelligenza artificiale potrebbero comprendere e apprendere modelli spaziali nei dati meteorologici e climatici. D'altra parte, l'approccio quantitativo evidenzia una limitazione:gli attuali modelli di intelligenza artificiale faticano ad apprendere determinati modelli di vento e si affidano invece esclusivamente alla velocità totale del vento." spiega il professor Gang Huang dell'Istituto di fisica atmosferica (IAP) dell'Accademia cinese delle scienze.

"Ciò sottolinea la necessità di una diagnostica dinamica completa dei modelli di intelligenza artificiale. Solo attraverso un'analisi olistica possiamo aumentare la nostra comprensione e imporre i vincoli fisici necessari."

I ricercatori, tra cui collaboratori dell'IAP, della Seoul National University e della Tongji University, sostengono un approccio collaborativo tra intelligenza artificiale e fisica nella modellizzazione climatica, andando oltre la nozione di uno scenario "o-o".

Il professor Huang afferma:"Sebbene l'intelligenza artificiale eccelle nel catturare le relazioni spaziali all'interno dei dati meteorologici e climatici, ha difficoltà con componenti fisici sfumati come venti divergenti e venti ageostrofici. Ciò sottolinea la necessità di una diagnostica dinamica rigorosa per applicare i vincoli fisici."

Pubblicato in Progressi nelle scienze dell'atmosfera , il loro documento sulle prospettive illustra i metodi per imporre vincoli fisici sia morbidi che rigidi ai modelli di intelligenza artificiale, garantendo coerenza con le dinamiche atmosferiche conosciute.

Inoltre, il team sostiene una transizione dagli schemi di parametrizzazione offline a quelli online per raggiungere l’ottimalità globale nei pesi dei modelli, promuovendo così modelli climatici bilanciati completamente accoppiati tra fisica e intelligenza artificiale. Il Dr. Ya Wang afferma:"Questa integrazione consente l'ottimizzazione iterativa, trasformando i nostri modelli in sistemi realmente apprendibili".

Riconoscendo l'importanza della collaborazione comunitaria, i ricercatori promuovono una cultura di apertura, comparabilità e riproducibilità (OCR). Abbracciando principi simili a quelli delle comunità dell'intelligenza artificiale e dell'informatica, credono nella coltivazione di una cultura favorevole allo sviluppo di un modello climatico veramente apprendibile.

In sintesi, sintetizzando l'abilità spaziale dell'intelligenza artificiale con i principi fondamentali della fisica e promuovendo una comunità collaborativa, i ricercatori mirano a realizzare un modello climatico che unisca perfettamente intelligenza artificiale e fisica, rappresentando un significativo passo avanti nella scienza del clima.