AI Stimuleert Innovatie in Gletsjer Modellering en Simuleert Laatste Alpen-Gletsjerperiode
Onderzoekers van de Universiteit van Lausanne (UNIL) hebben kunstmatige intelligentie (AI) gebruikt om computerberekeningen aanzienlijk te versnellen en de laatste ijsbedekking in de Alpen te simuleren. De nieuwe resultaten, die veel meer in lijn zijn met veldobservaties, tonen aan dat het ijs dunner was dan in eerdere modellen werd aangenomen. Deze innovatieve methode opent de deur naar talloze nieuwe simulaties en voorspellingen die verband houden met klimaatveranderingen. Het onderzoek is gepubliceerd in Nature Communications.
Ongeveer 25.000 jaar geleden was de Alpen bedekt met een ijslaag tot wel 2 kilometer dik. Gedurende bijna 15 jaar zijn deze glaciatieprocessen in perspectief geplaatst door middel van 3D digitale modellen, gebaseerd op klimaatconstructies, thermodynamica en ijsfysica. Deze modellen hebben echter debat binnen de wetenschappelijke gemeenschap uitgelokt, aangezien er tot nu toe geen volledige overeenstemming was tussen deze simulaties en de fysieke sporen – zoals rotsen en morenen – die in het veld zijn gevonden, met name erosielijnen die getuigen van de dikte van het ijs in het verleden.
Een team van wetenschappers van de Universiteit van Lausanne heeft dit hardnekkige probleem nu opgelost. Voor het eerst hebben ze kunstmatige intelligentie gebruikt om hun nieuwe model voor glaciaal evolutie massaal te verbeteren, wat resulteert in een grote reeks simulaties met ongekende nauwkeurigheid: ze komen veel dichter in de buurt van de fysieke sporen die op de grond zijn achtergelaten. Hun resultaten tonen aan dat de gemiddelde ijsbedekking 35-50% dunner was dan in eerdere referentiemodellen.
De resolutie van het model is verhoogd van twee kilometer naar 300 meter, en het is juist dankzij deze precisie mogelijk om de complexe topografie van de Alpen numeriek te beschrijven. In overeenstemming met de huidige stand van de wetenschappelijke kennis, gebaseerd op veldobservaties, toont het bijvoorbeeld aan dat bepaalde toppen zoals de Matterhorn en de Grand Muveran duidelijk boven het ijs uitstaken tijdens de ijstijd.
Het onderzoek is op verschillende manieren van groot belang. Ten eerste is het vermogen om het glaciaal verleden correct te modelleren essentieel voor het begrijpen van onze omgeving. Al meer dan 2 miljoen jaar heeft de aarde afwisselend glaciale en warme cycli ervaren, die het landschap waarin we leven diepgaand hebben gevormd. Het nieuwe model komt nu veel dichter in de buurt van het bewijs dat op de grond is achtergelaten na de terugtocht van de gletsjers, en maakt het mogelijk om veel natuurlijke fenomenen, zoals gletsjererosie, beter te kwantificeren, die in belangrijke mate heeft bijgedragen aan het vormgeven van het reliëf van de Alpen.
De innovatieve methodologie die in dit onderzoek is gebruikt, markeert bovendien een nieuw tijdperk in numerieke modellering. “Door recente technologie te gebruiken en toe te passen op de laatste grote glaciatie in de Alpen, kunnen we een simulatie van 17.000 jaar op zeer hoge resolutie (300 m) in 2,5 dagen afronden, terwijl zo’n ruimtelijke resolutie met traditionele methoden 2,5 jaar zou hebben gekost, wat ook nog eens extreem kostbaar en energie-intensief is,” legt Tancrède Leger uit, onderzoeker aan de Faculteit Aardwetenschappen en Milieu (FGSE) van UNIL en eerste auteur van de studie.
Met deze aanpak leert het model eerst over de fysica van de ijsstroom, met behulp van Deep Learning-methoden. Vervolgens ontvangt het gegevens over het klimaat van de periode (temperatuur, neerslag, enz.) om de ijsaanvoer en smelting te berekenen.
Deep learning-berekeningen worden vervolgens niet uitgevoerd door de traditionele centrale verwerkingseenheid (CPU), maar via een GPU (graphics processing unit), waardoor talloze bewerkingen parallel kunnen worden uitgevoerd, wat de rekencapaciteit van de computer fenomenaal verhoogt. “Het is alsof we vroeger zes Ferrari’s tot onze beschikking hadden en nu tienduizend kleine auto’s. We zijn overgestapt van zeer grote machineclusters naar een simpele grafische kaart van 30 cm,” illustreert Guillaume Jouvet, FGSE-professor achter het AI-model en mede-eerste auteur van de studie. “We doen niets nieuws, maar we doen het duizend keer sneller, waardoor het mogelijk is om resoluties te bereiken die voorheen zelfs niet werden overwogen.”
Deze vooruitgang zal het mogelijk maken om nieuw onderzoek te lanceren. Een nieuw project staat op het punt van start te gaan om deze revolutionaire methode te gebruiken om de impact van het smelten van de Groenlandse en Antarctische ijskappen op de stijging van de zeespiegel beter te voorspellen.
