نماذج المناخ: ثلاثون عامًا من الحوسبة، والمطر لا يزال عصيًّا

تقدّم نماذج المناخ جزءًا كبيرًا من الأدلة التي تقوم عليها السياسات المناخية. ومنذ عام 1995، يشغّلها برنامج دولي يُدعى CMIP — مشروع المقارنة بين النماذج المقترنة (Coupled Model Intercomparison Project) — جنبًا إلى جنب، جيلًا بعد جيل، وفق قواعد مشتركة. وقد استخدم كل جيل شبكات أدقّ وفيزياء أكثر، ومن ثمّ حوسبة أكثر. وما لا يتتبّعه أحد، بحسب فريق من 24 باحثًا تقوده Ioana Colfescu (جامعة سانت أندروز والمركز الوطني لعلوم الغلاف الجوي في المملكة المتحدة)، هو مقدار الطاقة الذي يكلّفه ذلك، وما الذي يُشترى به.

159 نموذجًا، ودرجة خطأ واحدة

أعاد الفريق حساب مؤشر خطأ واحد لـ159 نموذجًا من خمسة أجيال من CMIP، باستخدام مُخرَجاتها المؤرشفة: إلى أيّ حدّ يبتعد مناخ الشتاء في كل نموذج (1979–1999) عن الأرصاد، في ثلاثة متغيرات — ضغط الهواء عند مستوى سطح البحر، وحرارة الهواء عند السطح، والهطول. هذه الثلاثة فقط، لأن الجيل الثاني لم يؤرشف غيرها. وكلما انخفضت القيمة كان ذلك أفضل.

ينخفض الخطأ الوسيط من 1.56 في الجيل الأول إلى 0.61 في السادس. وفي الفترة نفسها، تضاعفت الحوسبة اللازمة لنموذج نمطي، مقدّرةً من دقة شبكته، نحو 29 مرة.

معدّل عائد ثابت

جيلًا بعد جيل، ينخفض الخطأ بنسبة 21 و28 و21 و14% — سلسلة غير منتظمة. لكن عند قياسه مقابل مقدار الحوسبة الذي أضافته كل خطوة، يصبح النمط منتظمًا: خطأ أقل بنسبة 13.5% مع كل تضاعف في الحوسبة، بتشتّت لا يتجاوز 0.7 نقطة عبر الانتقالات الثلاثة التي تصحّ فيها المقارنة.

يقدّم هذا المعدّل حسابًا بسيطًا ومُقلقًا. فخفض الخطأ إلى النصف يتطلب نحو 4.8 تضاعفات، «لأن 0.865 مرفوعًا إلى القوة 4.8 يساوي 0.5»، كما يكتب المؤلفون — و4.8 تضاعفات تعني حوسبة أكبر بنحو 28 مرة من نماذج اليوم. وفي الأثناء، تباطأ نمو الحوسبة بين الأجيال، من 2.2 تضاعف إلى 1.1.

يتوخّى المؤلفون الحذر في تفسير ذلك. ففيزياء أفضل تحسّن النماذج أيضًا، ولا يمكن الفصل بين الأمرين، لذا فإن 13.5% تقيس العائد المشترك للحوسبة والعلم. وهي تصف التقدم الماضي، لا قانونًا من قوانين الطبيعة.

المطر يتخلّف

تُخفي الدرجة الواحدة فروقًا كبيرة. فبين الجيلين الأول والسادس، انخفض خطأ الضغط عند مستوى سطح البحر 3.5 أضعاف، وخطأ حرارة السطح 2.7 ضعف. أما خطأ الهطول فانخفض بنسبة 7%. ووفق هذا المقياس، لم تكد ثلاثة عقود من الدقة والتعقيد المضافَين تحسّن المتغير الأهم بالنسبة إلى آثار المناخ.

طاقة لا يقيسها أحد

الإبلاغ عن الطاقة متقطّع. فالمؤسسات الثماني التي نشرت بيانات كاملة للجيل الأحدث مسؤولة عن 1,692 طنًا من CO₂. وعبر النماذج الـ13 ذات الطاقة المقيسة، تتفاوت الطاقة لكل سنة محاكاة 65 ضعفًا، ولا تكاد تتبع الدقة. ومن بين 30 مؤسسة، تنشر تسعٌ أرقام طاقة موحّدة، ولا تُبلغ أيّ منها عن طاقة مرتبطة بدرجة مهارة.

تضاهي نماذج الطقس بالذكاء الاصطناعي، مثل GraphCast وPangu-Weather وFuXi وGenCast، الآن التنبؤ عالي الدقة للمركز الأوروبي أو تتفوّق عليه. ويُقال إن تشغيلها أرخص بكثير. لكن الفريق لم يجد أيّ قياس منشور للطاقة اللازمة لإنتاج تنبؤاتها، فأعاد بناءها من العتاد وأزمنة التشغيل المُعلنة. ثم أضاف التدريب: نحو 2,900 كيلوواط ساعة لـGraphCast، و62,000 كيلوواط ساعة لـPangu-Weather. وعلى مدى عام من أربعة تنبؤات يوميًا، يمثّل التدريب أكثر من 99% من طاقة كل منظومة، ويهبط Pangu-Weather من المرتبة الثانية إلى الأخيرة في المهارة لكل كيلوواط ساعة.

حدٌّ أمثل بدلًا من سُلَّم

تقترح خريطة الطريق الحكم على النماذج في مستوى المهارة–الطاقة: المهارة على محور، والطاقة على الآخر، ومجموعة المنظومات التي لا يتفوّق عليها غيرها في الاثنين معًا. ويمكن لدرجةٍ هي المهارة مقسومةً على الطاقة أن ترتّب المنظومات داخل الفئة الواحدة، لكن المؤلفين يحذّرون من استخدامها وحدها أبدًا: فنموذج شبه عديم الفائدة لا يستهلك تقريبًا أيّ طاقة سيحصل على درجة جيدة. ويقترحون أيضًا خمسة مستويات للإبلاغ عن الطاقة، من «مُبلَّغ عنها» إلى «كاملة ومدقَّقة»، وأربع طرق لفعل المزيد بموارد أقل: تجارب أفضل تصميمًا، وعتاد جديد مثل وحدات GPU، وتقليل نقل البيانات، ومكوّنات ذكاء اصطناعي موجَّهة.

وينبّهون كذلك إلى المخاطر: فالتشغيل الأرخص قد يعني ببساطة تشغيلًا أكثر، وتدريب نماذج الطقس الكبيرة لا يزال متركّزًا في عدد قليل من المؤسسات والبلدان. وخطوتهم الأولى متواضعة: الإبلاغ عن الطاقة بجانب الدقة، بحدود واضحة، قبل أن ينطلق الجيل التالي من النماذج — CMIP8.