Supermodeling durch Kombination unvollkommener Modelle (SUMO)

Wissenschaftler entwickeln Computermodelle realer, komplexer Systeme, um ihr Verhalten besser zu verstehen und Vorhersagen zu treffen. Ein Paradebeispiel ist das Klima der Erde. Komplexe Klimamodelle werden verwendet, um den Klimawandel als Reaktion auf erwartete Veränderungen in der Zusammensetzung der Atmosphäre aufgrund von vom Menschen verursachten Emissionen zu berechnen. Jahrelange Forschung haben die Fähigkeit verbessert, das Klima der jüngsten Vergangenheit zu simulieren, aber diese Modelle sind noch weit davon entfernt, perfekt zu sein. Die Modellprojektionen des weltweit gemittelten Temperaturanstiegs bis zum Ende dieses Jahrhunderts unterscheiden sich um einen Faktor von zwei und unterscheiden sich in Bezug auf Projektionen für bestimmte Regionen der Welt völlig. Die gegenwärtige Praxis durchschnittlich die Vorhersagen der einzelnen Modelle. Sumo zielt stattdessen darauf ab, Konsens zu schaffen, indem die Modelle zu einem Supermodell kombiniert werden. Ergebnisse in nichtlinearer Dynamik deuten darauf hin, dass die Modelle miteinander synchronisiert werden können, auch wenn nur eine kleine Menge an Informationen ausgetauscht wird, was einen Konsens bildet, der die Realität am besten repräsentiert. Experten aus nichtlinearer Dynamik, maschinellem Lernen und Klimawissenschaft werden innerhalb der SUMO zusammengeführt, um eine Klimasimulation mit einem Supermodell zu erstellen, das modernste Klimamodelle kombiniert. Das Supermodellierungskonzept hat das Potenzial, bessere Schätzungen des globalen und regionalen Klimawandels zu liefern, um politische Entscheidungen zu motivieren und zu informieren.