Sztuczna inteligencja ujawnia dynamikę pokrywy lodowej Antarktydy, podważając istniejące modele klimatyczne

Naukowcy z Uniwersytetu Stanforda wykorzystali uczenie maszynowe do analizy danych satelitarnych dotyczących ruchów lodu na Antarktydzie, ujawniając fundamentalną fizykę rządzącą ruchami pokrywy lodowej na dużą skalę. Badanie, opublikowane w *Science*, podważa istniejące modele klimatyczne, które mają trudności z dokładnym symulowaniem lodu Antarktydy ze względu na rozproszone dane i złożone interakcje. Model sztucznej inteligencji przeanalizował grubość i ruch lodu w latach 2007–2018, wyprowadzając nowe modele opisujące lepkość lodu. Naukowcy odkryli, że szelfy lodowe znajdujące się bliżej kontynentu są ściskane, zachowując się zgodnie z eksperymentami laboratoryjnymi. Jednak lód znajdujący się dalej od kontynentu ulega naprężeniom, wykazując właściwości anizotropowe, co oznacza, że jego właściwości fizyczne różnią się w zależności od kierunku. Ta anizotropia, która wpływa na 95% szelfu lodowego, nie jest uwzględniana przez obecne modele, które zakładają jednolite właściwości fizyczne. Wyniki są kluczowe dla poprawy prognoz wzrostu poziomu morza w wyniku topnienia lodu Antarktydy. Naukowcy sugerują, że to podejście, łączące dane obserwacyjne, prawa fizyki i głębokie uczenie się, można zastosować do innych wyzwań nauk o Ziemi.