Inteligência artificial auxilia na previsão de eventos de aquecimento súbito estratosférico

O vórtice polar, uma massa de ar frio que gira ao redor do Polo Norte, pode ser perturbado por eventos de aquecimento súbito estratosférico (SSW). Esses eventos liberam ondas de ar frio que se deslocam mais para o sul do que o habitual, causando quedas bruscas de temperatura em regiões como América do Norte e Europa. No entanto, esses eventos são difíceis de prever, dificultando a emissão de alertas antecipados ^2,3.

Modelo de aprendizado de máquina

Para melhorar a previsão de SSW, pesquisadores desenvolveram um modelo de aprendizado de máquina. O modelo foi treinado com base no modelo Holton-Mass de variabilidade estratosférica, que simula dois regimes metaestáveis do vórtice polar: um forte e um fraco. A transição do regime forte para o fraco é o que causa os eventos de SSW ^1,2,3.

O modelo, construído com um autoencoder variacional condicional, foi capaz de reproduzir tanto os regimes fortes quanto os fracos do vórtice polar. Além disso, os pesquisadores realizaram uma análise de componentes principais para entender como o modelo representa essas características. Eles identificaram quatro clusters fisicamente interpretáveis, correspondentes aos estados fortes e fracos, bem como às trajetórias de transição entre eles ^1,2,3.

Dentro desses clusters, os pesquisadores encontraram um sinal interpretável que pode prever se uma disrupção no vórtice polar está prestes a ocorrer. Isso sugere que o modelo de aprendizado de máquina pode ser repurificado para prever eventos futuros de SSW no mundo real. Além disso, o trabalho demonstra que características complexas da atmosfera podem ser modeladas e compreendidas usando inteligência artificial ^1,2,3.