La inteligencia artificial ayuda en la predicción de eventos de calentamiento súbito estratosférico

El vórtice polar, una masa de aire frío que gira alrededor del Polo Norte, puede ser perturbado por eventos de calentamiento súbito estratosférico (SSW). Estos eventos liberan olas de aire frío que se desplazan más hacia el sur de lo habitual, causando caídas bruscas de temperatura en regiones como América del Norte y Europa. Sin embargo, estos eventos son difíciles de predecir, dificultando la emisión de alertas anticipados ^2,3.

Modelo de aprendizaje automático

Para mejorar la predicción de SSW, investigadores desarrollaron un modelo de aprendizaje automático. El modelo fue entrenado con base en el modelo Holton-Mass de variabilidad estratosférica, que simula dos regímenes metaestables del vórtice polar: uno fuerte y uno débil. La transición del régimen fuerte al débil es lo que causa los eventos de SSW ^1,2,3.

El modelo, construido con un autoencoder variacional condicional, fue capaz de reproducir tanto los regímenes fuertes como los débiles del vórtice polar. Además, los investigadores realizaron un análisis de componentes principales para entender cómo el modelo representa estas características. Ellos identificaron cuatro clusters físicamente interpretables, correspondientes a los estados fuertes y débiles, así como a las trayectorias de transición entre ellos ^1,2,3.

Dentro de estos clusters, los investigadores encontraron una señal interpretable que puede predecir si una disrupción en el vórtice polar está a punto de ocurrir. Esto sugiere que el modelo de aprendizaje automático puede ser reutilizado para predecir eventos futuros de SSW en el mundo real. Además, el trabajo demuestra que características complejas de la atmósfera pueden ser modeladas y comprendidas usando inteligencia artificial ^1,2,3.