Okyanus akıntılarını bilgisayarda simüle etmek kulağa basit gelse de aslında bilimin en zorlu problemlerinden birini barındırıyor: türbülans kapanması. Navier-Stokes denklemleri büyük ölçekli akışları tanımlamak için filtrelendiğinde, çözülemeyen küçük ölçekli hareketlerin büyük ölçekli akışa etkisini temsil eden yeni terimler ortaya çıkıyor. İşte bu noktada sistem 'kapanmıyor'; yani denklem sayısından fazla bilinmeyen oluşuyor ve ek varsayımlar yapmak kaçınılmaz hale geliyor.
Yeni araştırma, bu sorunu okyanus bağlamında ele alıyor. Tabakalaşmış, sıkıştırılamaz ve dönen bir referans çerçevesinde tanımlanan okyanus akışları, karasal akışkanlara kıyasla çok daha karmaşık bir dinamik sergiliyor. Çalışmanın odak noktası ise mezoskala girdaplar: Yaklaşık 10 ila 100 kilometre genişliğindeki bu döngüsel yapılar, okyanusun 'hava durumu sistemleri' olarak tanımlanabilir ve ısı, tuz ile karbonun taşınmasında belirleyici rol oynar.
Araştırmacılar, saf veri odaklı makine öğrenmesi modellerinin fiziksel tutarlılıktan yoksun kalabileceğini; geleneksel parametrizasyon şemalarının ise gerçek okyanus davranışını yeterince yansıtmadığını vurguluyor. Bu iki yaklaşım arasındaki uçurumu kapatmak amacıyla hibrit bir çerçeve öneriliyor: Fiziksel kısıtlar ve simetri koşulları, makine öğrenmesi modelinin tasarımına işleniyor.
Bu yaklaşımın potansiyel önemi büyük. İklim modelleri, okyanus mezoskala girdaplarını doğrudan çözemeyecek kadar kaba çözünürlükte çalışıyor. Dolayısıyla bu girdapların etkisini ne kadar iyi parametrize edebilirsek, iklim projeksiyonlarımız da o ölçüde güvenilir oluyor. Özellikle okyanus ısı alımı ve karbon döngüsü gibi kritik süreçler, mezoskala dinamiklerine duyarlı.
Çalışma henüz ön baskı aşamasında olmakla birlikte, veri odaklı yöntemlerle fizik temelli modellemeyi sentezleme yönündeki büyüyen eğilimi yansıtıyor. Önümüzdeki yıllarda bu tür hibrit yaklaşımların hem okyanus biliminde hem de genel akışkan dinamiği modellemesinde standart haline gelmesi bekleniyor.