Na busca para entender melhor as mudanças climáticas, há muito que ainda não sabemos. Mas a questão não é se a mudança climática está acontecendo ou não. "O que às vezes ouvimos no noticiário é incerteza manufaturada pela política, "disse Auroop Ganguly, professor de engenharia civil e ambiental da Northeastern.

Em vez de, A incerteza real da mudança climática decorre do desafio de simular o futuro. O que acontecerá com a rede elétrica de Boston sob condições climáticas extremas de longo prazo? Como uma usina de energia em Phoenix seria afetada pela diminuição dos recursos regionais? Quando Atlanta deve investir na atualização de sua infraestrutura hídrica?

Os modelos atuais são bons para projetar tendências regionais. Mas, para se preparar adequadamente para os efeitos futuros das mudanças climáticas, os cientistas precisam dar um zoom em locais vulneráveis, como cidades costeiras, ecossistemas ameaçados, e outros sites específicos.

Em um artigo apresentado esta semana na conferência da Association for Computing Machinery para Knowledge Discovery e Data Mining, pesquisadores delinearam uma nova estratégia para fazer exatamente isso.

Thomas Vandal é doutorando em engenharia civil e ambiental na Northeastern e autor principal do artigo, que foi premiado como vice-campeão de melhor artigo na trilha de ciência de dados aplicada. Vandal trabalhou com Evan Kodra, o CEO da Northeastern spinout risQ, e colaboradores da NASA Ames Sangram Ganguly, Andrew Michaelis, e Ramakrishna Nemani, e seu conselheiro Auroop Ganguly, para desenvolver um sistema que amplia os dados climáticos para produzir projeções de alta resolução.

Ensinando cérebros artificiais a aprender

Simular o clima é um exercício de viagem no tempo. Para prever o futuro, os pesquisadores primeiro precisam fazer um balanço do passado - em outras palavras, eles fazem um hindcast antes de poderem prever.

Vandal visitou o Centro de Pesquisa Ames da NASA, onde coletou e analisou conjuntos de dados históricos do clima que medem variáveis ​​como temperatura, chuva, e elevação geográfica, bem como os extensos dados de satélite da NASA. Para lutar contra essa quantidade colossal de dados, Vandal usou uma máquina da NASA Ames chamada Pleiades, um dos supercomputadores mais poderosos do mundo.

O objetivo da equipe era criar uma estrutura para reduzir ou ampliar os conjuntos de dados históricos do clima. Isso permitiria aos cientistas fazer mais detalhes, projeções climáticas localizadas.

Os pesquisadores fizeram uso de tecnologias de aprendizagem profunda de ponta. O aprendizado profundo é uma inovação das redes neurais artificiais - um sistema de computação baseado vagamente em sistemas nervosos biológicos. O aprendizado profundo permite que as redes neurais artificiais reconheçam padrões e realizem tarefas.

Vandal, que ingressou na Northeastern depois de trabalhar para várias startups na área de Boston, usou uma tecnologia relacionada chamada aprendizado de máquina na indústria para análise de expressão facial e reconhecimento de emoções. Mas depois de conhecer Auroop Ganguly, ele percebeu que a tecnologia poderia seguir um caminho mais virtuoso ao fazer a diferença na ciência do clima, uma área com a qual ele se preocupa profundamente.

"Em vez de usar o aprendizado de máquina para fazer as pessoas clicarem nos anúncios ou maximizar as visualizações de página, Decidi que resolver problemas em ciências do clima seria um uso melhor de minhas habilidades e tempo, "Disse Vandal.

O resultado da pesquisa da equipe é uma estrutura chamada DeepSD, que significa downscaling estatístico baseado em aprendizado profundo. O sistema ajuda a colocar em foco conjuntos de dados climáticos díspares, com vários graus de detalhes.

"Esses conjuntos de dados reduzidos serão de imenso valor para os pesquisadores do clima e modeladores ecoclimáticos que desejam estudar qualquer coisa, desde o impacto dos ecossistemas às mudanças no clima para futuros cenários de aquecimento, "disse Sangram Ganguly, um dos co-autores do estudo e um cientista pesquisador sênior do Bay Area Environmental Research Institute no NASA Ames Research Center.

E isso é só o começo. Vandal acredita que o conceito DeepSD pode ser usado para resolver uma variedade de problemas climáticos, desde o rastreamento de condições climáticas extremas até a previsão de eventos de desastres com maior confiança. No mundo da ciência da computação, a tecnologia ainda está em sua infância.

"O campo da ciência da computação muda muito rápido, "Auroop Ganguly disse." Um ano é como uma era geológica em alguns outros campos. "