El innovador modelo NeuralGCM ha demostrado su eficiencia en la predicción estacional de ciclones tropicales y variabilidad atmosférica, mediante el uso de inteligencia artificial. Este modelo, que mezcla métodos de aprendizaje automático con ecuaciones físicas tradicionales, permite anticipar fenómenos atmosféricos durante la temporada de huracanes en el hemisferio norte que transcurre de julio a noviembre. Mediante condiciones de borde simplificadas, el modelo fue capaz de simular de manera realista patrones de ciclón tropical y variabilidad de la atmósfera de forma comparativa o superior a modelos convencionales más costosos.
El NeuralGCM aplica condiciones iniciales simplificadas que persisten anomalías oceanográficas iniciales junto a la evolución estacional normal, lo que ha demostrado en simulaciones realistas durante el periodo de 1990 a 2023. El modelo ha mostrado habilidades útiles en prever variaciones anuales, prediciendo con precisión la actividad de ciclones en el Atlántico y el Pacífico nororiental. La habilidad de predicción de la frecuencia de ciclones en estos océanos es comparable a la de modelos físicos ya en uso, a pesar de ser mucho más rápidos computacionalmente.
Además, el uso del NeuralGCM ha revelado un rendimiento mundano en la simulación de actividades de ciclones tropicales, incluyendo la trayectoria y número, con una representación espacial y temporal adecuadas. Aunque hubo pequeñas desviaciones en la densidad de trayectorias en ciertas regiones, el modelo ha sido particularmente hábil en prever la energía ciclónica acumulada, mostrando una correlación significativa con la observación.
La comparación con modelos físicos complejos indica un potencial notable para el NeuralGCM como herramienta asequible y eficiente en predicciones climáticas. La posibilidad de combinar su innovador enfoque con modelos físicos más tradicionales abre puertas para mejorar las previsiones meteorológicas de largo alcance, cruciales para la preparación comunitaria ante eventos climáticos de impacto elevado.
Concluyendo, a pesar de algunos desafíos inherentes, como el ajuste más fino de sus condiciones de borde simplificadas, el NeuralGCM, con su enfoque híbrido de inteligencia artificial y ecuaciones físicas, se perfila como una promesa en el campo de las predicciones climáticas, permitiendo lograr sistemas de previsión más económicos y accesibles para diversas comunidades.