SFA IV: Klimamodellierung

Gewitter organisieren sich selbst: Unter einer Gewitterwolke verdunstender Regen erzeugt Kaltluftseen, die sich ausbreiten und in der Nähe neue Gewitter auslösen. Durch diese Kettenreaktion können einzelne, nur wenige Kilometer große Gewitterzellen zu Sturmclustern von Hunderten Kilometern anwachsen – Systeme, die die tropische Zirkulation antreiben, Starkregen und Überflutungen verursachen und sogar Hurrikane hervorbringen können. Standard-Klimamodelle sind zu grob, um die entscheidenden kleinräumigen Wechselwirkungen zu erfassen, und alles im Detail zu simulieren würde jede verfügbare Rechenleistung sprengen. Dieses Projekt entwickelt daher vereinfachte physikalische Modelle und generative KI, die die kleinskaligen Gewitter-Wechselwirkungen aus ultrafeinen Simulationen lernen und sie in gröberen Modellen abbilden. Es ist multiskalig, weil es kilometergroße Kaltluftseen, die binnen Stunden entstehen und vergehen, mit globalen Zirkulationsmustern verknüpft, die sich über Monate und Jahre entwickeln, und interdisziplinär, weil es Atmosphärenphysik, wissenschaftliches Rechnen und maschinelles Lernen kombiniert.

Einige Teile des Klimasystems – etwa das Golfstromsystem, der grönländische Eisschild oder das arktische Meereis – können „Kipppunkte“ überschreiten: Einmal zu stark gestört, verändern sie sich unumkehrbar. Da sich solches Kippen über Jahrhunderte erstreckt, galt es bisher nicht als unmittelbare Bedrohung. Dieses Projekt stellt eine neue Frage: Was passiert mit schnellen, kleinräumigen Wetterschwankungen, während ein solcher langsamer, großräumiger Kippprozess abläuft? Mit Theorie und Klimamodellen verfolgt das Team, wie sich das Kippen riesiger Klimakomponenten auf das Alltagswetter auswirkt und zu Extremen führt, die Menschen, Landwirtschaft und Infrastruktur treffen. Das Projekt ist multiskalig, weil es Prozesse, die Jahrhunderte dauern und Ozeane umspannen, mit Wetterereignissen verknüpft, die sich binnen Stunden abspielen, und interdisziplinär, weil es Klimaphysik, die Mathematik von Instabilitäten und Klimafolgenforschung verbindet – mit möglichen Parallelen bis hin zu Turbulenz in der Astrophysik.

Globale Klimamodelle teilen die Atmosphäre in Gitterboxen von Dutzenden Kilometern Breite – doch entscheidende Prozesse wie Wolkenbildung und Turbulenz spielen sich auf viel kleineren Skalen ab und müssen näherungsweise dargestellt werden. Diese Näherungen („Parametrisierungen“) sind eine Hauptquelle der Unsicherheit in Klimaprojektionen. Dieses Projekt ersetzt sie durch generative KI – dieselbe Art von Modellen, die hinter modernen Bildgeneratoren steckt –, trainiert auf höchstaufgelösten Simulationen und direkt eingebaut in ein vollständig „differenzierbares“ Klimamodell, in dem Physik und KI als ein System gemeinsam trainiert werden können und die Erhaltungssätze eingehalten werden. Es ist multiskalig, weil es groben globalen Modellen beibringt, was das unaufgelöste kleinskalige Wetter tut, und interdisziplinär, weil der Ansatz überall funktioniert, wo Strömungen auf Gittern simuliert werden – von der Erdatmosphäre bis zu Gasströmungen in Galaxien –, und so Klimaforschung, maschinelles Lernen und Astrophysik verbindet.