Generativ AI gjør klimamodeller 25 ganger raskere – uten å erstatte fysikken

Generativ AI gjør klimamodeller 25 ganger raskere – uten å erstatte fysikken

Forskere ved Allen Institute for AI og UC San Diego har vist en generativ AI-modell som simulerer klima rundt 25 ganger raskere enn den fysikkbaserte modellen den etterligner. En tiårssimulering tar omtrent 2 timer og 56 minutter, mot om lag 78 timer for den tradisjonelle modellen. Modellen erstatter ikke fysikken, men lærer av den.

Hvordan en AI kan etterligne klimaet

Tradisjonelle klimamodeller løser fysikkens ligninger steg for steg for atmosfæren over hele kloden. Det gir presise resultater, men er ekstremt regnekrevende og tar dager eller uker på kraftige datamaskiner. Den nye tilnærmingen snur problemet: i stedet for å regne ut fysikken på nytt hver gang, trenes en generativ modell på enorme mengder data fra en fysikkbasert modell, helt til den lærer å forutsi hvordan klimaet utvikler seg.

Fysikken forsvinner altså ikke, men kommer inn gjennom treningsdataene framfor gjennom ligninger i selve modellen. Teknisk bygger metoden på diffusjonsmodeller, samme grunnprinsipp som mange bildegeneratorer, men tilpasset klodens kuleform i stedet for et flatt bilde. Resultatet er en modell som gir troverdige klimamønstre over hundre år, langt raskere enn originalen.

Hva den kan og ikke kan

Gevinsten er åpenbar: når en simulering går 25 ganger raskere, kan forskere kjøre langt flere scenarioer, teste flere antakelser og utforske usikkerhet på en måte som før var for dyr i regnekraft. Det kan gjøre klimaforskning både billigere og mer fleksibel, og frigjøre kapasitet på superdatamaskiner til andre oppgaver.

Men det er grenser som fortjener edruelig omtale. En modell som etterligner en annen modell, kan i beste fall bli like god som originalen, ikke bedre. Den arver originalens svakheter, og den kan oppføre seg uforutsigbart hvis den møter situasjoner som ligger utenfor det den ble trent på. Slike emulatorer er derfor et supplement til fysikkbaserte modeller, ikke en erstatning. Hastigheten er reell, men troverdigheten avhenger fortsatt av den fysikken modellen lærte fra.

Hvorfor dette angår Norge

Norge har sterke fagmiljøer innen meteorologi og klimaforskning, og er et land der vær og klima har stor praktisk betydning for alt fra kraftproduksjon og landbruk til skipsfart og beredskap. Raskere klimasimuleringer kan på sikt gi bedre grunnlag for langsiktig planlegging, fordi forskere kan utforske flere mulige framtider uten å vente i uker på hver kjøring.

Det bredere poenget er at AI her brukes som en forsterker av etablert vitenskap, ikke som en snarvei utenom den. Modellen er bygget på, og avhengig av, tiår med fysikkbasert klimaforskning. For norske beslutningstakere og virksomheter er det en nyttig påminnelse: de mest solide AI-anvendelsene oppstår sjelden ved å kaste ut fagkunnskapen, men ved å la AI gjøre den eksisterende kunnskapen raskere og mer tilgjengelig.

«Forskere ved Allen Institute for AI og UC San Diego har laget en generativ klimamodell som gir rundt 25 ganger raskere simuleringer enn den fysikkbaserte modellen FV3GFS. En tiårssimulering tar omtrent 2 timer og 56 minutter, mot om lag 78 timer for den fysikkbaserte modellen, der fysikken kommer inn gjennom treningsdataene.» — Oppsummert fra omtale av forskningen, 2026 (rdworldonline.com)

Ofte stilte spørsmål

Erstatter AI nå fysikkbaserte klimamodeller? Nei. Den nye modellen etterligner en fysikkbasert modell ved å trenes på dataene fra den, slik at fysikken kommer inn gjennom treningsdataene framfor gjennom ligninger i selve modellen. En slik emulator kan i beste fall bli like god som originalen, ikke bedre, og arver dens svakheter. Den er et supplement til fysikkbaserte modeller, ikke en erstatning.

Hvor mye raskere er den nye modellen? Rundt 25 ganger raskere enn den fysikkbaserte modellen den etterligner. En tiårssimulering tar omtrent 2 timer og 56 minutter, mot om lag 78 timer for den tradisjonelle modellen. Det gjør det mulig å kjøre langt flere scenarioer og utforske usikkerhet på en måte som tidligere var for dyr i regnekraft.

Hvorfor er dette relevant for Norge? Norge har sterke fagmiljøer innen meteorologi og klima, og vær og klima har stor praktisk betydning for kraft, landbruk, skipsfart og beredskap. Raskere simuleringer kan gi bedre grunnlag for langsiktig planlegging fordi forskere kan utforske flere mulige framtider raskere. Samtidig viser eksemplet at AI fungerer best som forsterker av etablert vitenskap, ikke som en snarvei utenom den.