Hava durumu tahminleri, atmosferin anlık durumunu temsil eden gözlem verilerini sayısal modellerle birleştiren "veri asimilasyonu" adlı bir süreçle üretilir. Bu süreçte, arka plan hatası kovaryans matrisi gibi istatistiksel büyüklüklerin hesaplanması ve tersinin alınması zorunludur. Ancak yüksek çözünürlüklü operasyonel modellerde bu matrisler son derece büyük boyutlara ulaştığından, klasik algoritmalar hesaplama açısından pratik olmaktan çıkmaktadır.
Yeni çalışmada araştırmacılar, bu engeli aşmak için yatay olarak yerelleştirilmiş bir ensemble kovaryans matrisinin kare kökünün sol tersini verimli biçimde hesaplayan özgün bir algoritma önerdi. Yöntem, tekil değer ayrışımı (SVD) adı verilen köklü bir lineer cebir tekniğine dayanıyor ve bu tekniği akıllı bir yapısal ayrışımla birleştiriyor.
Algoritmanın temel yeniliği, hesaplamaları dikey ızgara sütunları bazında bağımsızlaştırabilmesidir. Yani atmosferin farklı yatay konumlarındaki dikey profillere ait hesaplamalar eş zamanlı, paralel olarak yürütülebilir. Bu özellik, modern çok çekirdekli bilgisayar mimarilerinden tam anlamıyla yararlanmayı mümkün kılar ve algoritmanın büyük ölçekli sistemlere uygulanabilirliğini doğrudan artırır.
Algoritma, ensemble üye sayısının her dikey sütundaki model değişkeni sayısına eşit olduğu koşul için geliştirildi. Günümüz yüksek çözünürlüklü modellerinde bu sayı yaklaşık bin mertebesindedir ve araştırmacılar algoritmayı tam da bu gerçekçi senaryoda test etti. Üç boyutlu yapay bir ızgara üzerinde gerçekleştirilen deneylerde yöntem, yüksek doğruluk değerleri ortaya koydu.
Çalışmanın en önemli pratik katkısı, hibrit veri asimilasyon sistemlerine yönelik olmasıdır. Hibrit sistemler, ensemble tabanlı ve model tabanlı kovaryans bilgilerini harmanlayarak her iki yaklaşımın güçlü yönlerinden yararlanır. Bu tür sistemlerin yaygınlaşmasıyla birlikte, büyük matris işlemlerini hızlandıran araçlara olan ihtiyaç da artmaktadır. Sunulan algoritma, bu boşluğu doldurmak için somut ve ölçeklenebilir bir çözüm sunuyor.
Sonuç olarak bu çalışma, nümerik hava tahmininin matematiksel altyapısını güçlendirmeye yönelik önemli bir adım niteliği taşımaktadır. Paralel hesaplamaya uygunluğu sayesinde operasyonel sistemlere entegrasyon potansiyeli yüksek olan algoritma, gelecekteki daha hızlı ve daha doğru hava tahminlerine zemin hazırlayabilir.