Il futuro della scienza del cambiamento climatico è nel cloud

Risolvere grandi problemi scientifici e ingegneristici, come la previsione del tempo o la creazione di modelli delle correnti oceaniche, richiede ai ricercatori di utilizzare un’enorme potenza di calcolo.

fanciulla uccelli / CTO [Chief Technology Officer] Vicepresidente di Amazon

Mentre la pandemia di COVID-19 continua a costringere molti di noi a rimanere nelle nostre case, la maggior parte dei nostri comportamenti quotidiani si è interrotta. Gli effetti immediati sono evidenti, poiché città, strade e spazi pubblici sono stati svuotati. La notizia della natura che penetra negli spazi che un tempo gli umani rivendicavano ha sbalordito gli spettatori di tutto il mondo. I coyote che vagano per il Golden Gate e le strade di San Francisco, i limpidi canali pescosi di Venezia o l’Himalaya visibili dall’India per la prima volta in tre decenni sono solo alcuni di questi esempi.

Allo stesso tempo, con i catastrofici incendi che stanno devastando la costa del Pacifico e la stagione record degli uragani atlantici nel 2020, molti sentono il bisogno di agire per preservare l’ambiente.

Questi sono solo alcuni esempi che mettono in luce un problema difficile e complesso che gli scienziati hanno faticato a comprendere per anni: il cambiamento climatico. Ora più che mai, la tecnologia è progettata per aiutare gli scienziati a comprendere e svelare la complessa rete di causa ed effetto che si sta sviluppando in tutto il pianeta.

La scienza del cambiamento climatico

Storicamente, gli approcci classici allo studio del cambiamento climatico hanno richiesto grandi dosi di noioso lavoro manuale. Questi metodi utilizzano il ricorso alle equazioni differenziali, all’aritmetica, alla teoria del caos e all’effetto farfalla, tutti elementi utilizzati per cercare di comprendere i cambiamenti nel nostro ambiente e le possibili cause o fattori che contribuiscono a tali effetti. I metodi di automazione cellulare si sono dimostrati utili anche per la modellazione di sistemi complessi come la fluidodinamica.

Con tutti questi metodi, e specialmente se usati nel contesto della climatologia, è necessaria un’enorme quantità di dati. Raccogliere queste informazioni da innumerevoli fonti e contrassegnare un set di dati di alta qualità è stato difficile in alcuni casi o confuso in altri. In alcuni casi, questi dati erano relativamente statici, come le temperature della superficie dell’oceano, mentre altri sono più dinamici, come i cambiamenti nelle correnti oceaniche, aggiungendo informazioni più interessanti e preziose allo studio.

Tuttavia, l’archiviazione di questa enorme quantità di dati è stata troppo costosa per tutti tranne che per le organizzazioni e le istituzioni meglio finanziate, e questo è solo l’inizio del processo. Sulla base di questo database di alta qualità, fare il passo successivo in climatologia richiede grandi quantità di risorse informatiche.

Democratizza i computer ad alte prestazioni nel cloud

Risolvere grandi problemi scientifici e ingegneristici, come la previsione delle condizioni meteorologiche o la creazione di modelli delle correnti oceaniche, richiede ai ricercatori di utilizzare un’enorme potenza di calcolo. Tali enormi quantità di elaborazione sono insostenibili per la maggior parte delle organizzazioni, e anche per coloro che hanno i mezzi per pagarlo, l’esecuzione di cluster HPC nelle proprie strutture richiede un investimento iniziale significativo, lunghi cicli di acquisizione e aggiornamenti regolari delle apparecchiature IT per evitare l’obsolescenza. Oggi, la capacità di creare in modo massiccio gruppi computazionali paralleli on-demand nel cloud offre un pubblico più ampio rispetto a quanto precedentemente limitato ai laboratori governativi e a determinate istituzioni accademiche.

Con il calcolo distribuito ad alte prestazioni nel cloud, i ricercatori sono in grado di accelerare la climatologia utilizzando un’ampia gamma di istanze di elaborazione ottimizzate e accelerate per EC2, in grado di scalare fino a migliaia di core utilizzando le interfacce di rete. Offerte come EC2 Spot Instances, che consentono ai clienti di sfruttare la capacità EC2 inutilizzata nel cloud AWS con uno sconto fino al 90%, rendono la possibilità di avviare la scienza del clima più facile per gli innovatori e più economica per le persone che già la utilizzano.

La capacità di configurare cluster di elaborazione parallela su larga scala on demand nel cloud aiuta a democratizzare l’elaborazione

Per esempio, Tecnologie Maxar, L’azienda di tecnologia spaziale specializzata nella produzione di satelliti per comunicazioni, osservazione della Terra, rotazione, prodotti satellitari e servizi correlati, utilizza AWS per fornire previsioni meteorologiche il 58% più velocemente del supercomputer NOAA. Considerando che i modelli di previsione del tempo vengono tradizionalmente eseguiti su computer di grandi dimensioni e ad alte prestazioni installati Sul postoMaxar ha sviluppato una serie di architetture ospitate sul cloud AWS che consentono agli scienziati di eseguire modelli di previsioni del tempo in modo più flessibile e scalabile.

Autoapprendimento per combattere il cambiamento climatico

In combinazione con l’HPC, l’apprendimento automatico consente agli scienziati di monitorare in modo flessibile i dati climatici e adattare l’analisi dei dati basata su eventi passati per creare modelli più accurati per il futuro. Questo approccio potrebbe aiutare i ricercatori ad affrontare l’enorme complessità dei sistemi meteorologici, oltre a comprendere meglio le connessioni tra le molte interazioni sottili che influenzano il clima.

Il fiorente mix di apprendimento automatico e scienze del clima è evidente negli sforzi dei ricercatori dell’Università di Oxford, tra cui Philip Steer, professore di fisica atmosferica, e Duncan Watson-Paris, ricercatore post-dottorato. Stier e Watson-Parris si concentrano sulla comprensione di come gli aerosol influenzano le nuvole: quali tipi di nuvole influenzano, in quali regioni si verificano questi cambiamenti (e altrettanto importante, in quali regioni non lo fanno) e quanto sono diffusi.

Oltre a utilizzare servizi come AWS Deep Learning AMI e Amazon SageMaker, Oxford e Amazon hanno stretto una partnership attraverso iMIRACLI (Innovative Machine Reading for Restriction of Aerosol-cloud CLimate Effects), un programma di laurea H2020 finanziato dall’UE che combina i principali scienziati del clima con l’apprendimento robot provenienti da tutta Europa e partner non accademici per formare una nuova generazione di scienziati dei dati climatici. Al programma partecipano 15 dottorandi.

Il supercalcolo e l’apprendimento automatico nel cloud saranno fondamentali per sbloccare i dati scientifici

Il cambiamento climatico è una delle questioni più difficili del nostro tempo e, se non troviamo soluzioni significative, le conseguenze potrebbero avere ripercussioni sul nostro futuro e su quello dei nostri figli. Raggiungere il cambiamento in questo campo richiede lo sforzo collettivo del mondo accademico, del governo, dell’industria, delle organizzazioni non profit e della società. Richiederà ingegnosità, innovazione e scala. Il calcolo ad alta potenza e l’apprendimento automatico nel cloud saranno fondamentali per sbloccare dati scientifici per comprendere e combattere il cambiamento climatico.

In Amazon ci impegniamo ad affrontare il cambiamento climatico attraverso l’energia rinnovabile e continuiamo a investire in progetti energetici in tutto il mondo, ad esempio in parchi solari ed eolici in paesi come Spagna, Svezia, Irlanda e Virginia. Questi progetti aiuteranno a fornire energia pulita ai nostri data center, che alimentano Amazon e milioni di clienti AWS in tutto il mondo.

Leggi anche in Campio16.com: