Okyanus bilimi alanında önemli bir ilerleme kaydedildi. Araştırmacılar, küresel okyanus modellerinin doğruluğunu artırmak için yapay zeka destekli yenilikçi bir kalibrasyon yöntemi geliştirdi.
Mevcut küresel okyanus modelleri, özellikle düşük çözünürlüklerde mezoskala girdapların çözülemediği durumlarda, ortalama durum ve değişkenlik açısından önemli sapmalar göstermektedir. Bu sorunları çözmek için geleneksel olarak parameterizasyon katsayıları rastgele ayarlanmaktaydı.
Yeni yaklaşımda bilim insanları, parametre ayarlamasını Ensemble Kalman İnversiyonu (EKI) kullanarak bir kalibrasyon problemi haline getirdi. Bu yöntem, mezoskala girdapların sinir ağı parametrizasyonunu iki farklı idealize okyanus modelinde düşük çözünürlükte optimize ediyor.
Elde edilen sonuçlar oldukça etkileyici. Kalibre edilmiş parametrizasyon, parametrizasyon yapılmamış modelle karşılaştırıldığında zaman ortalamalı akışkan arayüzlerinde ve bunların değişkenliğinde metrik ve konfigürasyona bağlı olarak 1.7-3.3 kat arasında hata azalması sağlıyor.
EKI yönteminin öne çıkan özelliklerinden biri, kaotik okyanus dinamiklerinden kaynaklanan zaman ortalamalı istatistiklerdeki gürültüye karşı gösterdiği dayanıklılıktır. Ayrıca araştırmacılar, başlangıç koşulunu dikkatli seçerek istatistiksel dengeye kadar entegrasyonu atlayan verimli bir kalibrasyon protokolü önermektedir.