Previsioni meteo, ecco come cambieranno con l'era digitale

La precisione raggiunta nelle previsioni del tempo è una combinazione di vari fattori: da una parte il miglioramento del sistema di osservazione, dall'altra una maggiore comprensione dei processi fisici che avvengono nell'atmosfera, unita con la crescita della tecnologia informatica.

Le previsioni meteorologiche e climatiche sono un'applicazione perfetta per testare i limiti dell'informatica. Dalla pionieristica simulazione numerica al computer progettata da Jon von Neumann, molti sono stati i risultati per raggiungere le previsioni attuali.

Secondo gli autori sono due le principali sfide che le previsioni meteorologiche e climatiche dovranno superare. Il primo è legato agli effetti del cambiamento climatico che richiedono previsioni più precise in modo che possano contribuire a un rapido processo decisionale. In particolare, sulla frequenza e sull'intensità degli eventi estremi.

In secondo luogo, ci sono le sfide dell'acquisizione massiva di dati (Big data) insieme alle leggi computazionali obsolete di Moore e Dennard che garantivano un miglioramento costante dell'architettura mantenendo il costo costante.

Lo stato attuale delle simulazioni meteorologiche numeriche

Il continuo adattamento del codice alla tecnologia emergente risale agli anni '70, quando i supercomputer erano alla portata dei centri di previsione. Negli anni '90 la tecnologia ha subito un repentino cambiamento con l'apparizione della parallelizzazione dei cicli che consente di aumentare la risoluzione spaziale.

Ciò significa che più nodi possono simulare diverse parti del globo contemporaneamente e comunicare tra loro, trasmettendo informazioni, ad esempio, sull'evoluzione di un fronte. Le previsioni attuali vengono realizzate per l'intero pianeta dividendolo in 10 milioni di punti, 100 livelli verticali, 10 variabili di previsione, inizializzate con 100 milioni di osservazioni al giorno. Queste simulazioni vengono eseguite su centinaia di nodi CPU (Central Processing Unit).

Un insieme di equazioni viene discretizzato nel tempo e nello spazio per risolvere processi fisici noti. Inoltre, utilizzano le cosiddette parametrizzazioni per risolvere processi come la microfisica delle nuvole o la turbolenza che a loro volta influenzano le variabili di previsione. Tutto questo è scritto in migliaia di righe di codice, di solito Fortran.

Questa attrezzatura ha portato a enormi codici ereditati scritti principalmente da scienziati. Secondo Bauer et al. questo ha fatto sì che tali codici raggiungessero solo il 5% delle prestazioni della CPU. Questo modo di programmare i modelli atmosferici era sufficiente mentre c'era una crescita esponenziale della tecnologia, ma ora questa crescita si ferma e il costo dell'energia aumenta. Gli autori prevedono che ci stiamo avvicinando a un abisso informatico che la nostra comunità deve superare per fornire previsioni migliori e più redditizie.

Le nuove tecnologie che verranno applicate

Fino ad ora le strategie per accelerare le previsioni si sono basate sul refactoring del codice da parte del computer, migliorando la memoria e la comunicazione con la parallelizzazione. I flussi di lavoro sono stati migliorati sovrapponendo il calcolo e i trasferimenti di dati. Un'altra strategia è l'uso di schede grafiche o GPU (Graphics Processing Unit) ma richiedono una laboriosa riscrittura del codice. Ad esempio, la National Oceanic and Atmospheric Administration (NOAA) sta portando varie architetture per utilizzare le GPU NVDIA.

Recenti valutazioni mostrano che i codici attuali scendono al di sotto degli obiettivi prestazionali richiesti per la produzione operativa. Per superare queste barriere, spiccano tre strategie.

1. Struttura dei dati e discretizzazione. Per migliorare le prestazioni, alcune architetture di base richiedono un'attenzione speciale, come la discretizzazione spaziale, il passare del tempo e l'accoppiamento di componenti del sistema Terra (ad esempio, tra atmosfera, suolo e oceano). L'efficienza e la precisione possono essere ottenute combinando metodi di grandi fasi temporali con discretizzazioni di ordine superiore. Un'altra soluzione proposta è l'uso di differenti fasi temporali per differenti componenti del sistema Terra. Un altro approccio consiste nel parallelizzare nel tempo invece della discretizzazione spaziale, che porrebbe la sfida di superare la dipendenza della cronologia temporale del flusso mantenendo la precisione e la stabilità numerica delle integrazioni.
   
2. Prestazioni e portabilità. Software e hardware avanzano in tempi diversi. La durata del software può essere di decenni, mentre l'hardware ad alte prestazioni viene generalmente utilizzato per meno di cinque anni. I codici scientifici vengono solitamente sviluppati indipendentemente dall'hardware utilizzato. L'idea è di passare da quello che è noto come linguaggio generico a un linguaggio specifico di dominio.
3. Nonostante la valanga di progetti dedicati all'applicazione del machine learning alle scienze atmosferiche, è ancora difficile sapere quale sarà il vero scopo di queste tecniche. Sono già stati realizzati modelli in grado di fare nowcasting (previsione del tempo entro poche ore) alle previsioni stagionali. Tuttavia, la comunità scientifica rimane ancora scettica sull'uso di "una scatola nera" rispetto alla risoluzione numerica dei processi fisici. Pertanto, c'è ancora un impegno per un uso misto di entrambe le tecniche.