Le MIT entraîne un émulateur climatique sur des données synthétiques : une seule exécution du modèle physique au lieu de 6 à 8

C'est une histoire familière à tous ceux qui construisent des modèles de substitution : le simulateur réel est précis, mais lent et coûteux, tandis que le réseau de neurones censé le remplacer se casse dès qu'on lui demande de sortir du cadre de ses exemples d'entraînement. Des chercheurs du MIT ont fait un pas vers la résolution de ce problème dans la modélisation climatique. Les travaux ont été publiés dans les Proceedings of the National Academy of Sciences.

Où est le problème

Les climatologues calculent leurs prévisions à long terme avec des modèles du système terrestre (ESM). Ce sont d'énormes modèles physiques qui décrivent le climat dans ses moindres détails. L'inconvénient est évident : un seul scénario d'avenir peut nécessiter des mois de calcul sur un cluster de supercalculateurs.

C'est pourquoi sont apparus les émulateurs climatiques : des modèles d'IA qui copient le comportement des ESM mais répondent en quelques secondes. Cela permet de passer en revue des milliers de scénarios : que deviennent la température ou le niveau de la mer si l'on modifie les émissions de différentes manières. Mais les émulateurs ont un point faible. On les entraîne généralement sur six à huit trajectoires d'émissions « réalistes », et chacune doit être calculée par un ESM coûteux. De plus, comme les auteurs l'avaient eux-mêmes constaté auparavant, ces émulateurs gèrent mal les scénarios inconnus.

Comment ça marche

L'idée est contre-intuitive : les données d'entraînement n'ont pas besoin d'avoir l'air réalistes. L'algorithme part d'un scénario arbitraire, calculé par un modèle climatique simple et rapide. On vérifie ensuite dans quelle mesure l'émulateur reproduit le résultat de l'ESM de référence, ce qui donne une estimation de l'erreur. Grâce à la manière dont le pipeline d'entraînement est construit, les données peuvent être ajustées de façon itérative pour réduire l'erreur. Par exemple, l'algorithme peut faire grimper brutalement les émissions de CO2 en 2050 ou réduire rapidement celles de méthane en 2037. Le cycle se poursuit jusqu'à ce que l'erreur passe sous un seuil donné.

On obtient ainsi des scénarios non pas aux courbes lisses, mais avec des sauts et des oscillations rapides. Selon l'auteur principal, Christopher Womack, ces « zigzags haute fréquence » permettent à l'émulateur d'extraire beaucoup plus d'informations du système. Et, ce qui réjouira le budget : l'ESM complet n'a besoin d'être lancé qu'une seule fois, et non six à huit.

On peut faire une analogie avec les tests d'ingénierie. Si vous ne testez un système que sous des charges typiques, vous apprenez comment il fonctionne un jour ordinaire. Si vous lui appliquez des échelons et des impulsions brusques, vous comprenez plus vite comment il réagit à n'importe quoi. Le principe est le même ici : les entrées « non naturelles » révèlent mieux la dynamique du système.

Lors de la validation, l'émulateur entraîné avec la nouvelle méthode sur un volume nettement plus réduit de données synthétiques soigneusement choisies a prédit avec précision l'issue de scénarios qu'il n'avait pas vus à l'entraînement. Les émulateurs traditionnels n'y sont pas parvenus. Exemple tiré de l'article : une politique de contrôle d'un polluant local, où un type d'émissions est réduit tandis que les autres continuent d'augmenter. C'est précisément ce cas qui importe pour les décisions pratiques, et c'est précisément celui que les émulateurs classiques ne savaient pas traiter.

Limites et enseignement pratique

Pour l'instant, le résultat comporte des réserves. Les auteurs écrivent eux-mêmes qu'ils veulent tester la méthode sur un scénario généré par un ESM complet, et pas seulement sur un modèle simplifié. Ils doivent aussi l'appliquer à d'autres types de modèles climatiques. Les conclusions sur l'apprentissage automatique en général et la vision par ordinateur restent pour l'instant des projets, pas des résultats.

L'enseignement dépasse néanmoins largement le climat. Si vous construisez un modèle de substitution pour un simulateur coûteux, qu'il s'agisse de physique, de CFD, de modélisation financière ou de jumeau numérique de production, il ne faut pas prendre aveuglément des données « réalistes ». Il est souvent plus avantageux de poser le problème comme une optimisation du jeu d'entraînement lui-même : sélectionner les entrées qui réduisent le mieux l'erreur du modèle dans de nouvelles conditions.

Il y a aussi un signal pour les product managers et les fondateurs. Le principal goulot d'étranglement de ces outils n'est pas l'architecture du réseau, mais le coût des données et le temps de mise à jour. Selon la responsable des travaux, Noelle Selin, l'entraînement d'un émulateur peut prendre des mois, voire des années, si bien que les outils prêts à l'emploi deviennent vite obsolètes. Si l'on parvient à raccourcir ce cycle, des modèles à jour parviendront plus vite aux chercheurs et aux décideurs.

La recherche a été réalisée dans le cadre du projet Bringing Computation to the Climate Challenge, avec le soutien de Schmidt Sciences.