EN VIVOSanto Domingo 27°CDólar RD$ 60.65 Premium RD$ 362.10Regular RD$ 317.50
Lunes 16 nov
RResumen.com.dov2.7.153.0Las noticias de República Dominicana en lenguaje llano
Tendencias#Conflicto Haiti#Vaguada RD#Pelota Invernal#Tigres del Licey
Tecnología

MIT desarrolla técnica para acelerar modelos climáticos de inteligencia artificial

Investigadores del MIT crearon una técnica que reduce el tiempo de entrenamiento de emuladores climáticos de meses a segundos.

Por Equipo editorial de Resumen

·Actualizado

MIT desarrolla técnica para acelerar modelos climáticos de inteligencia artificial

Foto: Infobae

Los datos

SegundosTiempo de entrenamiento de emuladores
MesesTiempo de entrenamiento tradicional
2050Año de proyección de aumento de dióxido de carbono

En arroz y habichuelas

  • MITel instituto desarrolló una técnica que acelera modelos climáticos, lo que puede ayudar a tomar decisiones más rápidas en políticas ambientales.
  • Tiempo de entrenamientose reduce de meses a segundos, lo que facilita la actualización de herramientas para investigadores y profesionales.
  • Escenarios sintéticospermiten evaluar políticas locales de control ambiental, incluso en casos complejos donde un contaminante disminuye mientras otros aumentan.

Investigadores del MIT desarrollaron una técnica de inteligencia artificial que acelera la creación de emuladores climáticos, permitiendo estimar en segundos el impacto de las actividades humanas en la temperatura global y el nivel del mar. El avance, publicado en la revista Proceedings of the National Academy of Sciences, busca mejorar la rapidez y precisión de los modelos que orientan decisiones en áreas como redes eléctricas, salud pública y agricultura.

Los modelos climáticos tradicionales pueden tardar meses en ejecutarse en supercomputadoras para calcular un solo escenario futuro. Los nuevos emuladores, por otro lado, imitan el comportamiento de esas proyecciones a gran escala y permiten probar miles de combinaciones de emisiones con mayor rapidez. La técnica del MIT reduce la necesidad de simulaciones previas a una sola ejecución del modelo completo, lo que permite generar datos de entrenamiento optimizados.

El método utiliza un algoritmo que genera escenarios sintéticos para que el emulador aprenda a anticipar respuestas climáticas fuera de los patrones que ya conoce. Estos escenarios pueden incluir aumentos abruptos de dióxido de carbono en 2050 o descensos rápidos de metano en 2037. Aunque estos escenarios no siguen trayectorias suaves de emisiones, permiten al modelo extraer más información sobre el funcionamiento del sistema climático.

Un emulador entrenado con esta técnica puede representar los efectos de políticas locales de control ambiental, incluso en casos donde un contaminante disminuye mientras otros continúan en aumento. Los modelos tradicionales no consiguieron reproducir este tipo de escenario. Según los investigadores, este avance permitirá proporcionar información más fiable a las partes interesadas que la necesitan.

El equipo busca que los simuladores actualizados estén disponibles con mayor frecuencia para investigadores y profesionales. El entrenamiento de un emulador puede demandar meses o incluso años, por lo que las herramientas existentes suelen quedar desactualizadas antes de completar nuevas proyecciones. Los investigadores planean probar la técnica con un escenario de emisiones generado por un modelo completo del sistema terrestre, aplicarla a otros modelos climáticos y evaluar su utilidad en campos más amplios de aprendizaje automático y visión artificial.

Fuentes consultadas

Esta nota se redactó y contrastó con la cobertura de Infobae.

Relacionadas

Más de Tecnología Ver todo →

10 más populares