Supermodélisation en combinant des modèles imparfaits (SUMO)

Les scientifiques développent des modèles informatiques de systèmes réels et complexes pour mieux comprendre leur comportement et faire des prédictions. Un excellent exemple est le climat de la Terre. Des modèles climatiques complexes sont utilisés pour calculer le changement climatique en réponse aux changements attendus dans la composition de l’atmosphère en raison des émissions d’origine humaine. Des années de recherche ont amélioré la capacité de simuler le climat du passé récent, mais ces modèles sont encore loin d’être parfaits. Les projections modèles de l’augmentation de température moyenne globale d’ici la fin du siècle diffèrent d’un facteur de deux, et diffèrent complètement en ce qui concerne les projections pour des régions spécifiques du globe. La pratique actuelle fait généralement la moyenne des prédictions des modèles distincts. Sumo vise plutôt à construire un consensus en combinant les modèles en un seul super modèle. Les résultats de la dynamique non linéaire suggèrent que les modèles peuvent être synchronisés les uns avec les autres, même si seulement une petite quantité d’informations est échangée, formant un consensus qui représente le mieux la réalité. Des experts de la dynamique non linéaire, de l’apprentissage automatique et de la science du climat sont réunis au sein de SUMO pour produire une simulation du changement climatique avec un super modèle combinant des modèles climatiques de pointe. Le concept de super-modélisation a le potentiel de fournir des estimations améliorées des changements climatiques mondiaux et régionaux, afin de motiver et d’éclairer les décisions politiques.