Obecnie technologie są w stanie bardziej niż kiedykolwiek wcześniej wesprzeć naukowców w zrozumieniu skomplikowanego układu przyczyn i skutków zmian klimatycznych, które dotknęły już całą planetę. Płonące lasy na wybrzeżu Pacyfiku, a także rekordowy sezon huraganów na Atlantyku – to tylko kilka przykładów, które uwidoczniły problem, nad którego zrozumieniem naukowcy pracują od lat. Jakie narzędzia mają do dyspozycji organizacje badające zmiany klimatu?

 REKLAMA 
 Wdrażasz KSeF w firmie 
 
Nauka o zmianach klimatu

Klasyczne podejście do badań nad zmianami klimatu wymagało żmudnych operacji ręcznego obliczania, stosowania metod m.in. równania różniczkowego, rachunków, teorii chaosu i efektu motyla, których używano, by zrozumieć zmiany środowiskowe, a metody automatów komórkowych wykorzystywano w modelowaniu złożonych układów, takich jak dynamika płynów.

Wszystkie te metody wymagają ogromnej ilości danych pochodzących ze zróżnicowanych źródeł i cechujących się wysoką jakością. Gromadzenie takich informacji nierzadko było bardzo trudne, ponieważ w niektórych przypadkach były one stosunkowo statyczne (np. temperatury powierzchni oceanów), a w innych bardziej dynamiczne (np. zmiany prądów oceanicznych).

Warto wspomnieć, że przechowywanie takiej ilości danych było również niezwykle kosztowne i dostępne tylko dla dobrze finansowanych organizacji, a jest to tylko pierwszy krok do badań nad zmianami klimatu, które wymagają zadań złożonych obliczeniowo.

Dostęp do obliczeń o wysokiej wydajności w chmurze

Prognozowanie pogody czy modelowanie prądów oceanicznych można zaliczyć do wymagających obliczeniowo zadań, które obecnie są realizowane w chmurze dostępnej szerszej publiczności, gdy wcześniej było to możliwe tylko dla nielicznych laboratoriów rządowych czy akademickich. Teraz dzięki rozwiązaniom chmurowym wiele organizacji ma także możliwość uruchamiania klastrów serwerów High Performance Computing (HPC) – czyli wysokiej wydajności - na żądanie.

Jeszcze kilka lat temu, wielu traktowało chmurę jako miejsce, gdzie analiza dużych zbiorów danych z wykorzystaniem przetwarzania równoległego była tylko namiastką tego co było osiągane w własnych serwerowniach. Tzw. modelowanie pogody i analiza innych elementów klimatu była często zarezerwowana dla serwerowni dużych i specjalistycznych firm – ponieważ wymagało to bardzo sprawnej komunikacji pomiędzy poszczególnymi węzłami obliczeniowymi. Jednak czasy te minęły, i chmura stała się obecnie pełnoprawnym a często nawet zalecanym miejscem takich obliczeń.

Dzięki dostępności rozproszonego przetwarzania danych o wysokiej wydajności za pośrednictwem technologii chmurowych, naukowcy są w stanie przyspieszyć badania nad klimatem, wykorzystując szeroki zakres zoptymalizowanych obliczeniowo serwerów wirtualnych EC2 – które umożliwiają skalowanie dostępnej mocy obliczeniowej nawet do tysięcy rdzeni za pomocą dedykowanych interfejsów i komponentów sieciowych stworzonych przez AWS.

Dla przykładu, Maxar Technologies – firma z branży kosmicznej, produkująca systemy komunikacji, obserwacji Ziemi i orbitalnej obsługi satelitów oraz dostarczająca produkty satelitarne – wykorzystuje rozwiązania AWS do dostarczania prognoz pogody. W porównaniu do superkomputera NOAA, który wykonuje podobne zadania – poprzez Amazon Web Services te dane są przekazywane o 58 proc. szybciej. Podczas gdy tradycyjne modele do prognozowania pracują na dużych, stacjonarnych i wysokowydajnych komputerach, Maxar opracował pakiet architektur, który mieści się w AWS Cloud i tym samym pozwala naukowcom prognozować pogodę w bardziej zwinny, skalowalny sposób.

AWS dostarcza najbardziej elastyczną i skalowalną infrastrukturę chmury do uruchamiania aplikacji HPC. Dzięki nieograniczonej wirtualnie pojemności, inżynierowie i naukowcy mogą wprowadzać innowacje, wykraczające poza ograniczenia lokalnej infrastruktury HPC.

Uczenie maszynową odpowiedzią na walkę ze zmianami klimatu

Uczenie maszynowe w połączeniu z HPC, pozwala naukowcom na elastyczne wykorzystywanie danych, dostosowując analizę danych na podstawie zdarzeń z przeszłości do dokładniejszego modelowania przyszłości. Takie podejście pomaga zmierzyć się z ogromną złożonością systemów klimatycznych i lepiej zrozumieć powiązania między wieloma subtelnymi interakcjami, wpływającymi na pogodę.

Sztuczna Inteligencja może być również pomocna przy uzupełnianiu brakujących danych – potrafi ona bowiem na podstawie dostępnych informacji uzupełnić braki w taki sposób jakby odpowiadały one faktycznym danym zebranym przez ludzi. ML może tworzyć przewidywania dotyczące rzeczy jeszcze nam nieznanych, przyspieszając rozumienie klimatologii i tworząc dokładniejsze modele.

Wykorzystanie ML i nauki o klimacie jest użyteczne w badaniach naukowców Uniwersytetu Oksfordzkiego, w tym Philipa Stiera, profesora fizyki atmosferycznej i Duncana Watsona-Parrisa, doktora habilitowanego. Stier i Watson-Parris badają w jaki sposób unoszące się w atmosferze małe cząstki (znane jako aerozole) wpływają na chmury – jaki to rodzaj chmur, w jakich regionach zachodzą te zmiany, a w jakich nie oraz jak bardzo są one rozpowszechnione.

Przyszłość nauki o zmianach klimatu znajduje się w chmurze

Szacuje się, że firmy korzystające z usług chmurowych osiągają poziom wykorzystania własnej infrastruktury IT na poziomie 65% - w porównaniu do zaledwie 15% w przypadku tych, którzy korzystają z własnych serwerowni albo kolokacji. Oznacza to zatem, że firmy, które przenoszą się do chmury, uruchamiają w niej zazwyczaj m,niej niż ¼ serwerów, jakie mieli wcześniej – ponieważ mogą sobie na to pozwolić, jednocześnie optymalizują dzięki temu swoje koszty. Co więcej, typowe centrum danych on-premieses jest o 29 proc. mniej wydajne pod kątem zużycia energii w porównaniu z dużym dostawcą usług chmurowych, który wykorzystuje światowej klasy konstrukcje obiektów, systemy chłodzenia i sprzęt zoptymalizowany pod kątem obciążenia. Jeśli wziąć pod uwagę mniejsze zapotrzebowanie na energooszczędne serwery, to dostawcy usług w chmurze na dużą skalę, tacy jak AWS, używają miksu energetycznego, który jest o 28 proc. mniej emisyjny w porównaniu do światowej średniej, a klienci korzystający z usług w chmurze mogą osiągnąć redukcję emisji CO2 o 88 proc.

Zmiany klimatu są jednym z największych zagrożeń środowiskowych naszych czasów i jeśli nie znajdziemy odpowiednich rozwiązań, konsekwencje mogą wpłynąć na przyszłość naszą i naszych dzieci. Wprowadzenie pozytywnych zmian wymaga wspólnego wysiłku środowiska akademickiego, rządów, przedsiębiorców, organizacji non-profit i społeczeństwa. To wymaga od nas pomysłowości, innowacyjności, a także skali. Obliczenia dużej mocy i uczenie maszynowe w chmurze pozostają jednym z kluczy do odblokowania naukowego potencjału, pozwalając na zrozumienie wielowątkowych procesów i ułatwiając walkę ze zmianami klimatu.

PRZECZYTAJ RÓWNIEŻ:


Back to top