موسمیاتی ماڈل: کمپیوٹنگ کے تیس سال، اور بارش اب بھی مشکل

موسمیاتی پالیسی کے پیچھے موجود شواہد کا بڑا حصہ موسمیاتی ماڈلز فراہم کرتے ہیں۔ 1995 سے CMIP — Coupled Model Intercomparison Project، یعنی جڑے ہوئے ماڈلز کے باہمی موازنے کا منصوبہ — نامی ایک بین الاقوامی پروگرام انہیں مشترکہ اصولوں کے تحت، نسل در نسل، ساتھ ساتھ چلاتا آیا ہے۔ ہر نسل نے زیادہ باریک گرڈ اور زیادہ طبیعیات استعمال کی، اور اس لیے زیادہ کمپیوٹنگ۔ Ioana Colfescu (یونیورسٹی آف سینٹ اینڈریوز اور برطانیہ کا نیشنل سینٹر فار ایٹماسفیرک سائنس) کی قیادت میں 24 محققین کی ایک ٹیم کے مطابق، جس چیز کا کوئی حساب نہیں رکھتا وہ یہ ہے کہ اس پر کتنی توانائی خرچ ہوتی ہے، اور اس سے کیا حاصل ہوتا ہے۔

159 ماڈل، غلطی کا ایک اسکور

ٹیم نے CMIP کی پانچ نسلوں کے 159 ماڈلز کے محفوظ شدہ نتائج سے غلطی کا ایک واحد اشاریہ دوبارہ نکالا: ہر ماڈل کی سردیوں کا موسم (1979–1999) مشاہدات سے کتنا ہٹا ہوا ہے، تین متغیرات کے لیے — سطحِ سمندر پر ہوا کا دباؤ، سطح پر ہوا کا درجۂ حرارت اور بارش۔ صرف یہی تین، کیونکہ دوسری نسل نے اور کچھ محفوظ نہیں کیا۔ جتنا کم، اتنا بہتر۔

غلطی کا وسطانیہ (median) پہلی نسل میں 1.56 سے گر کر چھٹی نسل میں 0.61 رہ جاتا ہے۔ اسی عرصے میں، ایک عام ماڈل کے لیے درکار کمپیوٹنگ، جس کا اندازہ اس کے گرڈ کی ریزولوشن سے لگایا گیا، تقریباً 29 گنا بڑھ گئی۔

منافع کی ایک مستقل شرح

نسل در نسل غلطی 21، 28، 21 اور 14% کم ہوتی ہے — ایک بے قاعدہ سلسلہ۔ لیکن جب اسے اس کمپیوٹنگ کے مقابلے میں ناپا جائے جو ہر قدم نے شامل کی، تو نمونہ باقاعدہ ہو جاتا ہے: کمپیوٹنگ کے ہر دُگنے ہونے پر 13.5% کم غلطی، ان تین منتقلیوں میں صرف 0.7 پوائنٹ کے پھیلاؤ کے ساتھ جہاں یہ موازنہ ممکن ہے۔

یہ شرح ایک سادہ اور سنجیدہ کر دینے والا حساب دیتی ہے۔ غلطی آدھی کرنے کے لیے تقریباً 4.8 بار دُگنا کرنا پڑتا ہے، “کیونکہ 0.865 کی طاقت 4.8 برابر ہے 0.5 کے”، مصنفین لکھتے ہیں — اور 4.8 بار دُگنا کرنے کا مطلب ہے آج کے ماڈلز سے تقریباً 28 گنا زیادہ کمپیوٹنگ۔ اس دوران نسلوں کے درمیان کمپیوٹنگ میں اضافہ سست پڑ گیا ہے، 2.2 بار دُگنا ہونے سے 1.1 تک۔

مصنفین اس کے مطلب کے بارے میں محتاط ہیں۔ بہتر طبیعیات بھی ماڈلز کو بہتر بناتی ہے، اور ان دونوں کو الگ نہیں کیا جا سکتا، اس لیے 13.5% کمپیوٹنگ اور سائنس کے مشترکہ منافع کو ناپتا ہے۔ اور یہ ماضی کی پیش رفت کو بیان کرتا ہے، فطرت کے کسی قانون کو نہیں۔

بارش پیچھے رہ گئی

ایک واحد اسکور بڑے فرق چھپا لیتا ہے۔ پہلی اور چھٹی نسل کے درمیان، سطحِ سمندر کے دباؤ پر غلطی 3.5 گنا اور سطحی درجۂ حرارت پر 2.7 گنا کم ہوئی۔ بارش پر یہ 7% کم ہوئی۔ اس پیمانے کے مطابق، تین دہائیوں کی اضافی ریزولوشن اور پیچیدگی نے اس متغیر کو بمشکل بہتر کیا ہے جو موسمیاتی اثرات کے لیے سب سے زیادہ اہم ہے۔

وہ توانائی جسے کوئی نہیں ناپتا

توانائی کی رپورٹنگ ادھوری ہے۔ جن آٹھ اداروں نے تازہ ترین نسل کے لیے مکمل ڈیٹا شائع کیا، ان کا حصہ 1,692 ٹن CO₂ ہے۔ ناپی گئی توانائی والے 13 ماڈلز میں، ہر نقلی (simulated) سال کی توانائی 65 گنا تک مختلف ہے، اور یہ ریزولوشن کے ساتھ بمشکل مطابقت رکھتی ہے۔ 30 اداروں میں سے نو معیاری توانائی کے اعداد شائع کرتے ہیں، اور کوئی بھی کارکردگی کے اسکور سے منسلک توانائی رپورٹ نہیں کرتا۔

GraphCast، Pangu-Weather، FuXi اور GenCast جیسے مصنوعی ذہانت کے موسمی ماڈل اب یورپی مرکز کی اعلیٰ ریزولوشن پیش گوئی کے برابر ہیں یا اس سے بہتر۔ کہا جاتا ہے کہ انہیں چلانا کہیں سستا ہے۔ لیکن ٹیم کو ان کی پیش گوئیاں تیار کرنے کے لیے درکار توانائی کی کوئی شائع شدہ پیمائش نہیں ملی، اس لیے انہوں نے رپورٹ کیے گئے ہارڈویئر اور چلنے کے اوقات سے اسے ازسرِنو اخذ کیا۔ پھر انہوں نے تربیت کو شامل کیا: GraphCast کے لیے تقریباً 2,900 kWh، Pangu-Weather کے لیے 62,000 kWh۔ روزانہ چار پیش گوئیوں والے ایک سال میں، تربیت ہر نظام کی توانائی کا 99% سے زیادہ بنتی ہے، اور Pangu-Weather فی کلوواٹ گھنٹہ کارکردگی میں دوسرے نمبر سے آخری نمبر پر آ جاتا ہے۔

سیڑھی کے بجائے ایک سرحد

یہ روڈ میپ تجویز کرتا ہے کہ ماڈلز کو کارکردگی–توانائی کی سطح پر پرکھا جائے: ایک محور پر کارکردگی، دوسرے پر توانائی، اور ان نظاموں کا مجموعہ جنہیں کوئی دوسرا نظام دونوں میں پیچھے نہیں چھوڑتا۔ ایک اسکور، یعنی کارکردگی تقسیم توانائی، ایک ہی زمرے کے اندر نظاموں کی درجہ بندی کر سکتا ہے، لیکن مصنفین خبردار کرتے ہیں کہ اسے کبھی اکیلے استعمال نہیں کرنا چاہیے: ایک تقریباً بیکار ماڈل جو تقریباً کوئی توانائی استعمال نہ کرے، اچھا اسکور حاصل کرے گا۔ وہ توانائی کی رپورٹنگ کے پانچ درجے بھی تجویز کرتے ہیں، “رپورٹ شدہ” سے لے کر “مکمل اور آڈٹ شدہ” تک، اور کم میں زیادہ کرنے کے چار طریقے: بہتر منصوبہ بند تجربات، GPUs جیسا نیا ہارڈویئر، ڈیٹا کی کم منتقلی، اور مخصوص مقاصد کے لیے مصنوعی ذہانت کے اجزاء۔

وہ خطرات کی نشاندہی بھی کرتے ہیں: سستے رنز کا مطلب محض زیادہ رنز ہو سکتا ہے، اور بڑے موسمی ماڈلز کی تربیت چند تنظیموں اور ممالک میں مرکوز ہے۔ ان کا پہلا قدم معمولی ہے۔ ماڈلز کی اگلی نسل — CMIP8 — کے آغاز سے پہلے، واضح حدود کے ساتھ، توانائی کو درستگی کے ساتھ رپورٹ کیا جائے۔