Supermodeling combinando modelli imperfetti (SUMO)

Gli scienziati sviluppano modelli informatici di sistemi reali e complessi per aumentare la comprensione del loro comportamento e fare previsioni. Un primo esempio è il clima della Terra. Modelli climatici complessi sono utilizzati per calcolare i cambiamenti climatici in risposta ai cambiamenti attesi nella composizione dell'atmosfera a causa delle emissioni prodotte dall'uomo. Anni di ricerca hanno migliorato la capacità di simulare il clima del recente passato, ma questi modelli sono ancora tutt'altro che perfetti. Le proiezioni del modello dell'aumento della temperatura media globale entro la fine di questo secolo differiscono di tanto quanto un fattore di due, e differiscono completamente per quanto riguarda le proiezioni per specifiche regioni del globo. La pratica corrente comunemente media le previsioni dei modelli separati. Sumo invece mira a costruire consenso combinando i modelli in un unico modello super. I risultati in dinamiche non lineari suggeriscono che i modelli possono essere fatti per sincronizzarsi tra loro anche se solo una piccola quantità di informazioni viene scambiata, formando un consenso che meglio rappresenta la realtà. Esperti di dinamiche non lineari, machine learning e scienze del clima sono riuniti all'interno di SUMO per produrre una simulazione del cambiamento climatico con un modello super che combina modelli climatici all'avanguardia. Il concetto di super-modellazione ha il potenziale per fornire stime migliori dei cambiamenti climatici globali e regionali, in modo da motivare e informare le decisioni politiche.