SDC Medya

Yapay Zekâ

İklim emülatörleri için eğitim verisi yeniden tasarlandı

MIT araştırmacıları, iklim modellerini taklit eden yapay zekâ sistemlerini eğitmek için sentetik emisyon senaryoları geliştirdi. Yöntem, basit ve orta karmaşıklıktaki modellerde daha önce görülmeyen senaryolara uyumu artırdı.

İklim modeli ile emülatör arasındaki veri aktarımını simgeleyen küre ve şeritlerden oluşan kavramsal yapay illüstrasyon.
Yapay zekâ ile üretilmiş kavramsal editoryal illüstrasyon; olayın fotoğrafı değildir.

MIT öncülüğündeki araştırma ekibi, iklim emülatörlerinin eğitim verisini algoritmayla düzenleyen bir yöntem geliştirdi. Basit modelle yapılan deneylerde, optimize edilmiş tek bir emisyon senaryosuyla eğitilen emülatör, altı standart senaryoyla eğitilen karşılaştırma modelinden daha başarılı oldu.

İklim emülatörleri, fizik temelli iklim modellerinin hesapladığı tepkileri daha kısa sürede yaklaşık olarak üretir. Bu sistemler farklı emisyon yollarının sıcaklığa etkisini incelemek için kullanılır. Araştırmanın odağı, emülatörün yapısını büyütmek yerine ona hangi verinin öğretildiğini değiştirmek.

Ekip, basit bir iklim modelinden yararlanarak emülatörün hatasının eğitim verisindeki değişikliklere nasıl tepki verdiğini hesapladı. Algoritma daha sonra emisyon dizisini adım adım güncelledi. Ortaya çıkan sentetik senaryolar, gerçekçi gelecek öngörüleri olmaktan çok sistemin farklı tepkilerini açığa çıkaran hızlı değişimler içeriyor.

Çalışmada yöntem önce basit bir iklim modeliyle, ardından MIT’nin orta karmaşıklıktaki Dünya sistemi modeliyle sınandı. İkinci sınama yalnızca karbondioksit emisyonlarını kapsadı; optimize senaryolarla eğitilen emülatörler, eğitimden farklı senaryolarda altı senaryolu karşılaştırma modeline eşit ya da daha yüksek başarı gösterdi. Basit modeldeki değerlendirmeler, sera gazları ile aerosollerin etkilerini ayrı ele alan senaryoları da içerdi.

MIT bulguları 12 Kasım 2026’da duyurdu. Araştırma makalesi, Proceedings of the National Academy of Sciences dergisinde 9 Kasım 2026’da çevrimiçi yayımlandı.

Tam ölçekli iklim modellerinden eğitim verisi üretmek yüksek hesaplama maliyeti taşıyor. Daha az sayıda, bilgi bakımından zengin senaryo kullanılması, farklı emisyon koşullarını hızla inceleyen emülatörlerin hazırlanmasını kolaylaştırabilir.

Sonuçlar, sınanan modeller ve senaryolar için geçerli. Yöntemin tam ölçekli Dünya sistemi modellerinde denenmesi henüz gelecek çalışma hedefi. Bir emülatörün kaynak modeli daha iyi taklit etmesi, gerçek iklime ilişkin belirsizliklerin ortadan kalktığı anlamına gelmiyor.

Kaynaklar

Haber yayın ilkeleri

Diğer Haberler