L'intelligence artificielle aide à la prédiction des événements de réchauffement soudain stratosphérique

Le vortex polaire, une masse d'air froid qui tourne autour du Pôle Nord, peut être perturbé par des événements de réchauffement soudain stratosphérique (SSW). Ces événements libèrent des ondes d'air froid qui se déplacent plus au sud que d'habitude, provoquant des baisses brusques de température dans des régions comme l'Amérique du Nord et l'Europe. Cependant, ces événements sont difficiles à prédire, rendant difficile l'émission d'alertes anticipées ^2,3.

Modèle d'apprentissage automatique

Pour améliorer la prédiction des SSW, les chercheurs ont développé un modèle d'apprentissage automatique. Le modèle a été formé sur la base du modèle Holton-Mass de variabilité stratosphérique, qui simule deux régimes métastables du vortex polaire : un fort et un faible. La transition du régime fort au régime faible est ce qui provoque les événements de SSW ^1,2,3.

Le modèle, construit avec un autoencodeur variationnel conditionnel, a été capable de reproduire à la fois les régimes forts et faibles du vortex polaire. De plus, les chercheurs ont réalisé une analyse en composantes principales pour comprendre comment le modèle représente ces caractéristiques. Ils ont identifié quatre clusters physiquement interprétables, correspondant aux états forts et faibles, ainsi qu'aux trajectoires de transition entre eux ^1,2,3.

À l'intérieur de ces clusters, les chercheurs ont trouvé un signal interprétable qui peut prédire si une perturbation du vortex polaire est sur le point de se produire. Cela suggère que le modèle d'apprentissage automatique peut être réutilisé pour prédire les événements futurs de SSW dans le monde réel. De plus, le travail démontre que des caractéristiques complexes de l'atmosphère peuvent être modélisées et comprises en utilisant l'intelligence artificielle ^1,2,3.