İklim modelleri, birden fazla değişkenin eş zamanlı olarak değiştirildiği senaryolarda genellikle doğrusal olmayan tepkiler üretir. Bu durum, bilim insanları için kritik bir soruyu beraberinde getirir: Gözlemlenen değişimin ne kadarı hangi faktörden kaynaklanıyor? Bu soruya yanıt arayan 'faktör ayrıştırma' yaklaşımı, paleoklimat araştırmalarından güncel iklim projeksiyonlarına kadar geniş bir kullanım alanına sahiptir.
Yeni yayımlanan bu çalışma, iklim biliminde iki farklı gelenekten gelen faktör ayrıştırma yöntemlerinin — Stein-Alpert tarafından önerilen doğrusal-toplam yöntemi ile Lunt ve ekibinin geliştirdiği paylaşılan-etkileşim yöntemi — aslında matematiksel olarak aynı şeyi hesapladığını ortaya koyuyor. Bu özdeşliğin arkasında ise kooperatif oyun teorisinin temel kavramlarından biri olan Shapley değeri yatıyor.
Shapley değeri, bir oyunda her oyuncunun kazanca olan marjinal katkısını adil biçimde dağıtmak için 1953 yılında Lloyd Shapley tarafından geliştirilmişti. Araştırmacılar, iklim bilimindeki doğrusal-toplam formülünün Shapley değerinin permütasyon gösterimine, paylaşılan-etkileşim formülünün ise Möbius/Harsanyi katsayıları gösterimine karşılık geldiğini gösterdi. Bu iki gösterimin eşdeğerliği, oyun teorisinde çok önceden kanıtlanmış klasik bir teoremden doğrudan elde ediliyor.
Sonucun pratik önemi büyük: Shapley değeri hesaplamak için bilgisayar bilimi ve makine öğrenmesi alanında son yıllarda geliştirilmiş pek çok verimli örnekleme algoritması bulunuyor. Bu çalışma, söz konusu algoritmaların doğrudan iklim modeli deneylerinde kullanılmasının önünü açıyor. Özellikle çok sayıda faktörün birlikte değerlendirildiği senaryolarda hesaplama maliyeti katlanarak arttığından, bu verimlilik kazanımı son derece değerli.
Çalışma aynı zamanda Lunt ve arkadaşlarının 2010'daki öngörüsünü — dört faktörde gözlemlenen eşdeğerliğin daha büyük faktör sayıları için de geçerli olduğu tahminini — kesin biçimde kanıtlamış oluyor. Disiplinler arası bu köprü, iklim bilimcilerin elindeki analitik araç kutusunu kayda değer ölçüde genişletiyor.