КЛИМАТИЧЕСКИЕ МОДЕЛИ: ТРИДЦАТЬ ЛЕТ ВЫЧИСЛЕНИЙ, А ДОЖДЬ ВСЁ ЕЩЁ ДАЁТСЯ С ТРУДОМ

Климатические модели дают значительную часть данных, на которые опирается климатическая политика. С 1995 года международная программа CMIP — Coupled Model Intercomparison Project, проект взаимного сравнения сопряжённых моделей, — запускает их бок о бок, поколение за поколением, по общим правилам. Каждое поколение использовало более мелкие сетки и больше физики, а значит, и больше вычислений. Чего никто не отслеживает, по мнению команды из 24 исследователей под руководством Иоаны Кольфеску (Ioana Colfescu; Сент-Эндрюсский университет и Национальный центр атмосферных наук Великобритании), так это сколько энергии это стоит и что за неё получают.

159 моделей, одна оценка ошибки

Команда заново вычислила единый индекс ошибки для 159 моделей пяти поколений CMIP по их архивным результатам: насколько зимний климат каждой модели (1979–1999) отклоняется от наблюдений по трём переменным — давлению воздуха на уровне моря, приземной температуре воздуха и осадкам. Только по этим трём, потому что второе поколение больше ничего не сохранило. Чем меньше, тем лучше.

Медианная ошибка падает с 1,56 в первом поколении до 0,61 в шестом. За тот же период объём вычислений, нужный типичной модели и оценённый по разрешению её сетки, вырос примерно в 29 раз.

Устойчивая норма отдачи

От поколения к поколению ошибка снижается на 21, 28, 21 и 14% — нерегулярный ряд. Но если соотнести это с тем, сколько вычислений добавил каждый шаг, картина становится регулярной: на 13,5% меньше ошибки на каждое удвоение вычислений, с разбросом всего 0,7 пункта по трём переходам, для которых сравнение возможно.

Эта норма даёт простой и отрезвляющий расчёт. Чтобы уменьшить ошибку вдвое, нужно около 4,8 удвоения, «потому что 0,865 в степени 4,8 равно 0,5», пишут авторы, — а 4,8 удвоения означают примерно в 28 раз больше вычислений, чем у нынешних моделей. Между тем рост вычислений от поколения к поколению замедлился — с 2,2 удвоения до 1,1.

Авторы осторожны в выводах. Лучшая физика тоже улучшает модели, и разделить эти два вклада невозможно, поэтому 13,5% — это совместная отдача от вычислений и науки. И это описание прошлого прогресса, а не закон природы.

Дождь отстаёт

Одна оценка скрывает большие различия. Между первым и шестым поколениями ошибка по давлению на уровне моря уменьшилась в 3,5 раза, по приземной температуре — в 2,7 раза. По осадкам она снизилась на 7%. Три десятилетия роста разрешения и сложности, по этой мере, почти не улучшили переменную, которая важнее всего для последствий изменения климата.

Энергия, которую никто не измеряет

Сведения об энергопотреблении отрывочны. Восемь организаций, опубликовавших полные данные по последнему поколению, в сумме дают 1692 тонны CO₂. Среди 13 моделей с измеренной энергией затраты на один смоделированный год различаются в 65 раз и почти не связаны с разрешением. Из 30 организаций девять публикуют стандартизированные данные об энергии, и ни одна не связывает энергию с оценкой качества.

Погодные модели на основе ИИ, такие как GraphCast, Pangu-Weather, FuXi и GenCast, теперь не уступают высокоразрешающему прогнозу Европейского центра или превосходят его. Считается, что их запуск гораздо дешевле. Но команда не нашла ни одного опубликованного измерения энергии, нужной для получения их прогнозов, и восстановила её по заявленному оборудованию и времени работы. Затем добавила обучение: около 2900 кВт·ч для GraphCast и 62 000 кВт·ч для Pangu-Weather. За год при четырёх прогнозах в день на обучение приходится более 99% энергии каждой системы, а Pangu-Weather опускается со второго места на последнее по качеству на киловатт-час.

Граница вместо лестницы

Дорожная карта предлагает оценивать модели на плоскости «качество — энергия»: качество по одной оси, энергия по другой, а также набор систем, которые никакая другая не превосходит по обоим показателям. Оценка «качество, делённое на энергию» может ранжировать системы внутри одного класса, но авторы предупреждают, что её никогда нельзя использовать в одиночку: почти бесполезная модель, почти не потребляющая энергии, получила бы высокий балл. Они также предлагают пять уровней отчётности об энергии — от «сообщено» до «полно и проверено» — и четыре способа делать больше меньшими средствами: лучше спланированные эксперименты, новое оборудование вроде графических процессоров (GPU), меньше перемещения данных и целевые компоненты на основе ИИ.

Авторы указывают и на риски: более дешёвые запуски могут просто означать больше запусков, а обучение больших погодных моделей по-прежнему сосредоточено в немногих организациях и странах. Их первый шаг скромен. Сообщать об энергии рядом с точностью, с чёткими границами учёта, прежде чем начнётся следующее поколение моделей — CMIP8.