त्सिंगहुआ यूनीसीएम के साथ एकीकृत मॉडलिंग के माध्यम से बहु-जलवायु मोड को बढ़ावा देता है, जलवायु भविष्यवाणी के स्तर को बेहतर बनाता है

लेखक, स्रोत: 36Kr

[परिचय] त्सिंगहुआ टीम ने UniCM मॉडल प्रस्तुत किया, जो एक समन्वित ढांचे के माध्यम से कई जलवायु मोड्स के बीच अंतःक्रियाओं को सीखता है, जिससे AI को वैश्विक जलवायु प्रणाली के जटिल संबंधों को बेहतर ढंग से समझने में मदद मिलती है। यह उपलब्धि न केवल जलवायु पूर्वानुमान की सटीकता और समयबद्धता में सुधार करती है, बल्कि AI को जलवायु के तंत्र के अन्वेषण का एक उपकरण भी बनाती है, जिसका प्राकृतिक आपदा, कृषि और अन्य क्षेत्रों में महत्वपूर्ण मूल्य है।

जलवायु भविष्यवाणी के संदर्भ में, लोग सबसे अधिक एल नीनो (ENSO) को जानते हैं।

हालांकि, वैश्विक जलवायु एकल जलवायु घटना द्वारा निर्धारित नहीं होती है। ENSO के अलावा, भारतीय महासागरीय द्विध्रुवीय (IOD), उष्णकटिबंधीय उत्तरी अटलांटिक मोड (TNA), उत्तरी प्रशांत अक्षीय मोड (NPMM) जैसी कई जलवायु मोड्स एक साथ मौजूद होती हैं और समुद्री बेसिन के बीच दूरस्थ संबंधों और समुद्र-वायु tương tác के माध्यम से एक गतिशील संयुक्त वैश्विक प्रणाली बनाती हैं।

लंबे समय तक, अधिकांश भविष्यवाणी विधियाँ मुख्य रूप से एकल जलवायु मोड को या केवल कुछ मोड्स के बीच के संबंधों को ही ध्यान में रखती थीं, जिससे वैश्विक जलवायु प्रणाली में जटिल अरैखिक अंतःक्रियाओं को समझना कठिन हो जाता था। UniCM तो कई महत्वपूर्ण जलवायु मोड्स को एक ही एकीकृत ढांचे में शामिल करता है और वैश्विक महासागर-वायुमंडल प्रणाली को एक परस्पर क्रियाशील समग्रता के रूप में देखता है।

हाल ही में, त्सिंगहुआ विश्वविद्यालय के इलेक्ट्रॉनिक इंजीनियरिंग विभाग के प्रोफेसर ली योंग के टीम ने《Nature Machine Intelligence》में "Learning the coupled dynamics of global climate modes" शीर्षक से शोध पत्र प्रकाशित किया, जिसमें वैश्विक जलवायु मोड का एकीकृत भविष्यवाणी मॉडल UniCM (Unified Climate Model) प्रस्तुत किया गया।

कागजात का लिंक: https://www.nature.com/articles/s42256-026-01245-5

अनुसंधान टीम ने पाया कि जलवायु प्रणाली की भविष्यवाणी क्षमता केवल एकल जलवायु घटनाओं से ही नहीं, बल्कि कई जलवायु मोड्स के बीच लंबे समय तक बनी रहने वाली संयुक्त संबंधों से भी आती है। इन संयुक्त गतिकी को सीखकर, UniCM पारंपरिक विधियों के लिए कठिन उपलब्ध «उभरती भविष्यवाण्यता» (Emergent Predictability) को मुक्त करता है।

यह अध्ययन पारंपरिक जलवायु भविष्यवाणी के "एकल मोड, अलग-अलग भविष्यवाणी" के दृष्टिकोण को तोड़ता है और पहली बार वैश्विक संयुक्त प्रणाली के दृष्टिकोण से, कई महासागरीय-वायुमंडलीय जलवायु मोड्स के बीच जटिल गतिशील संबंधों को एकीकृत रूप से सीखता है, जिससे दीर्घकालिक जलवायु भविष्यवाणी, चरम जलवायु घटनाओं की चेतावनी और AI-संचालित जलवायु विज्ञान की खोज के लिए एक नया अनुसंधान प्रणाली प्रदान करता है।

अनुसंधान का पृष्ठभूमि

पिछले कुछ वर्षों में, मौसम के पूर्वानुमान के क्षेत्र में कृत्रिम बुद्धिमत्ता ने तेजी से विकास किया है। कई AI मॉडल पहले ही कुछ दिनों से कुछ सप्ताह तक के समय सीमा में उच्च सटीकता के साथ मौसम का पूर्वानुमान लगा पाए हैं।

हालाँकि, जलवायु पूर्वानुमान लंबे समय अवधि के मुद्दों पर ध्यान केंद्रित करता है: अगले कुछ महीनों, कुछ वर्षों या उससे अधिक समय के भीतर, वैश्विक जलवायु प्रणाली कैसे विकसित होगी? किन क्षेत्रों में अनुपज, बाढ़, ताप लहरें आदि चरम घटनाएँ आ सकती हैं? ये प्रश्न विभिन्न महासागरों और वायुमंडलीय प्रणालियों के बीच जटिल बहु-पैमाने की अंतःक्रियाओं से संबंधित हैं।

वर्तमान विधियाँ अक्सर जलवायु मोड को परस्पर स्वतंत्र वस्तुओं के रूप में देखती हैं, जबकि वास्तविक दुनिया में जलवायु प्रणाली एक अत्यधिक संयुक्त जटिल नेटवर्क है। AI को केवल "भविष्यवाणी करने" के बजाय, इन मोड्स के बीच दीर्घकालिक संयोजन संबंधों को समझने में वैज्ञानिकों की मदद करने के लिए कैसे सक्षम बनाया जाए, AI for Science के क्षेत्र में एक महत्वपूर्ण चुनौती बन गई है।

"दो दृष्टिकोण" एकीकृत जलवायु मॉडल

इस समस्या को हल करने के लिए, अनुसंधान टीम ने UniCM द्वि-शाखा आर्किटेक्चर डिज़ाइन किया।

मॉडल में दो मुख्य मॉड्यूल शामिल हैं:

1. Globalformer: स्थानीय भौतिक क्षेत्र के विकास को सीखें

Globalformer कुंजी भौतिक चरों जैसे समुद्र की सतह का तापमान (SST), पवन प्रतिबल, थर्मोक्लाइन गहराई और उपरी महासागरीय तापमान को संभालता है और सूक्ष्म जलवायु क्षेत्रों से जलवायु प्रणाली के स्थान-कालिक विकास के नियमों को सीखता है।

2. Modeformer: जलवायु मोड्स के बीच संबंधों को सीखें

Modeformer सात महत्वपूर्ण जलवायु प्रारूपों—ENSO, IOD, TNA, NPMM, SPMM, IOB और SIOD—पर ध्यान केंद्रित करता है और उनके बीच की गैर-रेखीय अंतःक्रियाओं और सामूहिक विकास प्रक्रियाओं को सीखता है।

更重要的是，UniCM 建立了双向耦合机制：一方面，局地物理场产生大尺度气候模态；另一方面，形成的气候模态又反过来影响局地物理场的未来演化。研究团队将这种机制称为「mode-to-patch guidance」，即利用大尺度气候状态指导局地预测，实现从局部到整体、再从整体反馈局部的闭环建模。

ENSO को वैश्विक जलवायु प्रणाली के सबसे महत्वपूर्ण मोड़ों में से एक माना जाता है और दीर्घकालीन जलवायु भविष्यवाणी के क्षेत्र में सबसे चुनौतीपूर्ण कार्यों में से एक है।

अध्ययन के परिणामों के अनुसार, 1980–2023 के अवलोकन डेटा की जांच में, UniCM 24 महीने की भविष्यवाणी खिड़की में कई प्रतिनिधि आधार मॉडल की तुलना में लगातार बेहतर प्रदर्शन करता है। मॉडल ENSO की प्रभावी भविष्यवाणी के समय को 19 महीने तक बढ़ा सकता है, जबकि पिछले उन्नत मॉडल सामान्यतः केवल 15 से 16 महीने तक ही पहुंच पाते थे।

इसी समय, यूनिसीएम ने जलवायु भविष्यवाणी के क्षेत्र में लंबे समय से चल रहे "वसंत भविष्यवाणी बाधा" की समस्या पर भी स्पष्ट लाभ प्रदर्शित किया है। मॉडल उत्तरी गोलार्ध के वसंत के दौरान भी उच्च भविष्यवाणी क्षमता बनाए रखता है और प्रभावी भविष्यवाणी क्षमता को लगभग 14 महीने तक बढ़ाता है।

इसके अलावा, UniCM ने 1997–1998 की सुपर एल नीनो घटना और 2020–2023 की लगातार तीन वर्षों की "ट्रिपल ला निना" घटना को सफलतापूर्वक पुनः बनाया, जिसने इन ऐतिहासिक चरम घटनाओं के उत्पत्ति, विकास और क्षय प्रक्रियाओं को सटीकता से पकड़ा।

UniCM केवल ENSO का भविष्यवाणी करने में कुशल ही नहीं है, बल्कि एक ही ढांचे में ENSO, IOD, IOB, SIOD, SPMM, NPMM और TNA सहित सात प्रमुख जलवायु प्रतिरूपों का एक साथ भविष्यवाणी कर सकता है।

परिणाम दर्शाते हैं कि मॉडल की बहुत सारी जलवायु मोड पर भविष्यवाणी क्षमता मौजूदा प्रतिनिधि विधियों से बेहतर है। विशेष रूप से, कुछ कठिन भविष्यवाणी वाले गैर-ENSO मोड के लिए, औसत भविष्यवाणी क्षमता में 22% से अधिक की वृद्धि हुई है; IOD के लिए प्रभावी भविष्यवाणी का पूर्व समय लगभग 7 महीने तक पहुंच गया है।

इससे भी महत्वपूर्ण बात यह है कि UniCM विभिन्न जलवायु मोड्स के बीच वास्तविक देरी वाले सहसंबंधों को सटीकता से पुनर्निर्मित कर सकता है। उदाहरण के लिए, यह NPMM की ENSO से लगभग 4 महीने की अग्रिम भौतिक संबंधता और कई महासागरीय बेसिन के बीच के जलवायु मोड्स की संयुक्त संरचना को सफलतापूर्वक पुनः उत्पन्न करता है।

यह दर्शाता है कि मॉडल ने सिर्फ सांख्यिकीय सहसंबंध नहीं सीखा, बल्कि वैश्विक जलवायु प्रणाली में मौजूद भौतिक संयोजन तंत्र को सीखा है।

अनुमान क्षमता के अलावा, UniCM में एक मजबूत व्याख्यायोग्यता है।

अनुसंधान टीम ने मॉडल के आंतरिक ध्यान तंत्र के विश्लेषण के माध्यम से पाया कि बड़ी ENSO घटनाओं से पहले, मॉडल स्वतः भौतिक अर्थ वाले महत्वपूर्ण क्षेत्रों और महत्वपूर्ण मोड संबंधों पर ध्यान केंद्रित करता है।

उदाहरण के लिए, 1997 के अत्यधिक एल नीनो घटना से पहले, मॉडल ने NPMM की महत्वपूर्ण अग्रदूत भूमिका की पहचान की; कुछ जटिल जलवायु घटनाओं में, TNA संभवतः एक महत्वपूर्ण केंद्रीय भूमिका निभा सकता है। संबंधित खोजें पहले से मौजूद जलवायु भौतिकी अध्ययनों के परिणामों के साथ अत्यधिक संगत हैं।

इसका अर्थ है कि UniCM केवल भविष्य की जलवायु स्थिति का अनुमान लगाने में सक्षम ही नहीं है, बल्कि वह वैज्ञानिकों को संभावित तंत्रों की खोज में मदद करता है और नए वैज्ञानिक परिकल्पनाएँ प्रस्तुत करता है, जिससे यह जलवायु विज्ञान के अनुसंधान का एक महत्वपूर्ण सहायक उपकरण बन जाता है।

भविष्य के अनुप्रयोग और विकास की संभावनाएँ

ग्लोबल क्लाइमेट चेंज के संदर्भ में, दीर्घकालिक जलवायु भविष्यवाणी का महत्व बढ़ता जा रहा है। अधिक सटीक और लंबे समय तक की जलवायु भविष्यवाणियाँ कृषि उत्पादन, जल संसाधन प्रबंधन, ऊर्जा आवंटन, मत्स्य पालन और आपदा नियंत्रण आदि क्षेत्रों की सीधी सेवा करेंगी।

अनुसंधान टीम का मानना है कि UniCM केवल एक नया जलवायु भविष्यवाणी मॉडल ही नहीं है, बल्कि जटिल प्रणालियों के लिए एक समन्वित मॉडलिंग दृष्टिकोण है। भविष्य में, इस ढांचे को आंतरिक दोलन, दशकीय जलवायु परिवर्तन और वैश्विक तापमान वृद्धि के संदर्भ में जलवायु प्रतिरूप के विकास के अध्ययन में विस्तारित किया जा सकता है, और इसे 'स्थानीय प्रक्रिया—समग्र संरचना' के द्वि-दिशात्मक संयोजन वाली अन्य जटिल प्रणालियों में भी लागू किया जा सकता है।

"मौसम का अनुमान लगाने" से "जलवायु को समझने" और फिर "पैटर्न खोजने" तक, UniCM ने पृथ्वी प्रणाली विज्ञान में कृत्रिम बुद्धिमत्ता की नई संभावनाएँ दिखाईं: वास्तविक रूप से महत्वपूर्ण भविष्यवाणी जानकारी, शायद किसी एक जलवायु सूचकांक में छिपी नहीं है, बल्कि पूरे जलवायु प्रणाली के सतत विकास के संयुक्त संबंधों में मौजूद है।

संदर्भ: https://www.nature.com/articles/s42256-026-01245-5