İklim değişikliğine karşı alınacak önlemler, hem küresel hem de yerel ölçekte sağlam verilere dayanmak zorunda. Ne var ki mevcut küresel iklim modelleri, yaklaşık 150 ila 200 kilometre çözünürlükte çalışıyor; yani bir ülkenin tamamını tek bir piksel gibi gören bu modeller, bölgesel detayları yakalamakta zorlanıyor. Bir şehrin kıyı dinamikleri, dağlık bir bölgenin yağış rejimi ya da kentsel ısı adaları gibi yerel süreçler, bu kaba ızgaralarda kaybolup gidiyor.
IPSL iklim araştırma merkezi bünyesinde geliştirilen IPSL-AID, tam da bu sorunu çözmek için tasarlandı. Model, gürültü giderme tabanlı olasılıksal dağılım öğrenimi (denoising diffusion probabilistic model) üzerine kurulu; bu yöntem son yıllarda görüntü üretiminde çığır açmış, ancak iklim bilimine uygulanması hâlâ yeni sayılıyor.
IPSL-AID, kaba çözünürlüklü girdi verileri ile bunların uzay-zaman bağlamını kullanarak 0,25 derecelik çözünürlükte—yani yaklaşık 25-30 kilometre—sıcaklık, rüzgar hızı ve yağış alanları üretiyor. Model, European Centre for Medium-Range Weather Forecasts'ın ERA5 yeniden analiz veri setiyle eğitildi; bu veri seti, onlarca yıllık atmosfer gözlemlerini harmanlayan kapsamlı bir referans kaynağı niteliğinde.
Modelin öne çıkan özelliklerinden biri, yalnızca ortalama değerleri değil; aşırı sıcaklıklar, şiddetli yağışlar gibi uç olayları da istatistiksel olarak doğru biçimde yeniden üretebilmesi. Güç spektrumları ve mekansal yapılar açısından yapılan karşılaştırmalarda model, gözlemlenen verilerle yüksek uyum sağladı.
Ayrıca model deterministik tek bir tahmin üretmek yerine, aynı koşullar için birden fazla olası senaryo oluşturabiliyor. Bu özellik, belirsizlik analizine olanak tanıdığı için iklim politikası ve risk değerlendirmesi açısından özellikle değerli.
Araştırmacılar, bu çalışmanın üretici yapay zeka modellerinin iklim bilimindeki potansiyelini ortaya koyduğunu vurguluyor. Küresel modellerin sunduğu büyük resmi, bölgesel kararlar için gerekli olan yerel ayrıntıyla buluşturan bu tür araçlar, iklim uyum planlamasında yeni bir sayfa açabilir.