Supermodeling poprzez połączenie niedoskonałych modeli (SUMO)

Naukowcy opracowują modele komputerowe rzeczywistych, złożonych systemów, aby zwiększyć zrozumienie ich zachowań i przewidywać. Najlepszym przykładem jest klimat Ziemi. Złożone modele klimatyczne są wykorzystywane do obliczania zmian klimatu w odpowiedzi na oczekiwane zmiany w składzie atmosfery spowodowane emisjami spowodowanymi przez człowieka. Lata badań poprawiły zdolność symulacji klimatu niedawnej przeszłości, ale modele te są nadal dalekie od perfekcji. Prognozy modelowe globalnego wzrostu średniej temperatury do końca tego stulecia różnią się aż o dwa i różnią się całkowicie pod względem projekcji dla poszczególnych regionów globu. Obecna praktyka zazwyczaj uśrednia prognozy poszczególnych modeli. Sumo zamiast tego dąży do osiągnięcia konsensusu poprzez połączenie modeli w jeden super model. Wyniki w nieliniowej dynamice sugerują, że modele można zsynchronizować ze sobą, nawet jeśli wymienia się tylko niewielką ilość informacji, tworząc konsensus, który najlepiej reprezentuje rzeczywistość. Eksperci z nieliniowej dynamiki, uczenia maszynowego i nauki o klimacie spotykają się w ramach SUMO, aby stworzyć symulację zmian klimatu z super modelem łączącym najnowocześniejsze modele klimatyczne. Koncepcja supermodelowania może zapewnić lepsze oszacowanie globalnych i regionalnych zmian klimatu, tak aby motywować i informować o decyzjach politycznych.