Klimamodelle können monatelang auf Supercomputern laufen, aber mein neuer Algorithmus kann sie zehnmal schneller machen

Klimamodelle gehören zu den komplexesten Softwareprogrammen, die jemals geschrieben wurden. Sie sind in der Lage, viele verschiedene Teile des globalen Systems zu simulieren, beispielsweise die Atmosphäre oder den Ozean. Viele wurden über Jahrzehnte von Hunderten von Wissenschaftlern entwickelt und werden ständig erweitert und verfeinert. Sie können mehr als eine Million Zeilen Computercode oder Zehntausende gedruckter Seiten enthalten.

Es überrascht nicht, dass diese Modelle teuer sind. Simulationen nehmen Zeit in Anspruch, oft mehrere Monate, und die Supercomputer, auf denen die Modelle laufen, verbrauchen viel Energie. Aber ein neuer Algorithmus, den ich entwickelt habe, verspricht, viele dieser Klimamodellsimulationen zehnmal schneller zu machen und könnte letztendlich ein wichtiges Werkzeug im Kampf gegen den Klimawandel sein.

Ein Grund dafür, dass die Klimamodellierung so lange dauert, ist, dass einige der simulierten Prozesse von Natur aus langsam sind. Der Ozean ist ein gutes Beispiel. Es dauert einige tausend Jahre, bis Wasser von der Oberfläche in die Tiefen des Ozeans und umgekehrt zirkuliert (im Gegensatz dazu hat die Atmosphäre eine „Mischungszeit“ von mehreren Wochen).

Seit der Entwicklung der ersten Klimamodelle in den 1970er Jahren ist den Wissenschaftlern klar, dass dies ein Problem darstellen würde. Um den Klimawandel mit einem Modell zu simulieren, muss man von repräsentativen Bedingungen ausgehen, bevor die Industrialisierung zur Freisetzung von Treibhausgasen in die Atmosphäre führte.

Um solch ein stabiles Gleichgewicht herzustellen, lassen Wissenschaftler ihr Modell so lange laufen, bis es sich nicht mehr ändert (das System ist so komplex, dass es, wie in der realen Welt, immer einige Schwankungen geben wird).

Ein Ausgangszustand mit minimaler „Drift“ ist unerlässlich, um die Auswirkungen menschlich verursachter Faktoren auf das Klima genau zu simulieren. Aber aufgrund des Ozeans und anderer langsamer Komponenten kann es selbst auf großen Supercomputern mehrere Monate dauern. Kein Wunder, dass Klimaforscher diesen Engpass als „große Herausforderung“ auf ihrem Gebiet bezeichnen.

Ich kann dem Problem nicht einfach weitere Computer hinzufügen

Sie fragen sich vielleicht: „Warum nicht eine noch größere Maschine verwenden?“ » Leider würde das nicht helfen. Vereinfacht ausgedrückt handelt es sich bei Supercomputern lediglich um Tausende einzelner Computerchips, von denen jeder über Dutzende Verarbeitungseinheiten (CPUs oder „Kerne“) verfügt, die über ein Hochgeschwindigkeitsnetzwerk miteinander verbunden sind.

Eine der von mir genutzten Maschinen hat über 300.000 Kerne und kann fast 20 Billiarden Rechenoperationen pro Sekunde ausführen. (Offensichtlich wird es von Hunderten von Benutzern geteilt und jede Simulation beansprucht nur einen winzigen Bruchteil der Maschine.)

Ein Klimamodell macht sich dies zunutze, indem es die Erdoberfläche in kleinere Regionen (Subdomänen) unterteilt, wobei die Berechnungen für jede Region gleichzeitig auf einem anderen Prozessor durchgeführt werden. Grundsätzlich gilt: Je mehr Subdomains Sie haben, desto weniger Zeit sollten die Berechnungen in Anspruch nehmen.

Das stimmt bis zu einem gewissen Grad. Das Problem besteht darin, dass verschiedene Subdomänen „wissen“ müssen, was in benachbarten Subdomänen passiert, was die Weitergabe von Informationen zwischen Chips erfordert. Das ist viel langsamer als die Geschwindigkeit, mit der moderne Chips arithmetische Berechnungen durchführen können, was Informatiker als „Bandbreitendrosselung“ bezeichnen. (Jeder, der versucht hat, Videos über eine langsame Internetverbindung zu streamen, weiß, was das bedeutet.)

Es ist also immer weniger sinnvoll, diesem Problem mehr Rechenleistung zu widmen. Besonders Meeresmodelle leiden unter solch einer schlechten „Skalierung“.

Zehnmal schneller

Hier ist der neue Computeralgorithmus, den ich entwickelt und veröffentlicht habe Wissenschaftler machen Fortschritte Es verspricht, die Rotationszeit des Ozeans und anderer Komponenten von Erdsystemmodellen deutlich zu verkürzen. Bei Tests an typischen Klimamodellen war der Algorithmus im Durchschnitt etwa zehnmal schneller als aktuelle Ansätze, wodurch sich die Zeit von mehreren Monaten auf eine Woche verkürzte.

Die Zeit und Energie, die Klimaforscher dadurch sparen könnten, ist an sich schon wertvoll. Aber die Möglichkeit, die Modelle schnell hochzufahren, bedeutet auch, dass Wissenschaftler sie an dem kalibrieren können, was wir tatsächlich wissen, was in der realen Welt passiert ist, wodurch ihre Genauigkeit verbessert wird oder die Unsicherheit ihrer Klimaprojektionen besser definiert werden kann. Spin-ups dauern so lange, dass derzeit keine davon realisierbar ist.

Der neue Algorithmus wird es uns auch ermöglichen, Simulationen mit mehr räumlichen Details durchzuführen. Derzeit sagen uns Ozeanmodelle im Allgemeinen nichts über Merkmale mit einer Breite von weniger als 1° in Längen- und Breitengrad (etwa 110 km am Äquator). Aber viele kritische Phänomene im Ozean treten auf viel kleineren Skalen auf – von einigen zehn Metern bis zu einigen Kilometern – und eine höhere räumliche Auflösung wird sicherlich zu genaueren Klimaprojektionen führen, z. B. Meer, Sturmfluten und Hurrikanintensität.

Wie es funktioniert

Wie jede „neue“ Forschung basiert sie auf einer alten Idee, in diesem Fall einer Jahrhunderte alten Idee, die bis in die Zeit des Schweizer Mathematikers Leonhard Euler zurückreicht. Unter der Bezeichnung „Sequenzbeschleunigung“ kann man sich das so vorstellen, dass man Informationen aus der Vergangenheit nutzt, um auf eine „bessere“ Zukunft zu schließen.

Unter anderem wird es von Chemikern und Materialwissenschaftlern häufig zur Berechnung der Struktur von Atomen und Molekülen eingesetzt, ein Problem, das mehr als die Hälfte der Supercomputing-Ressourcen der Welt verbraucht.

Sequenzbeschleunigung ist nützlich, wenn ein Problem iterativer Natur ist, genau das, was die Ausführung eines Klimamodells bedeutet: Sie speisen die Modellausgabe als Eingabe in das Modell zurück. Spülen und wiederholen, bis die Ausgabe der Eingabe entspricht und Sie Ihre Gleichgewichtslösung gefunden haben.

In den 1960er Jahren entwickelte der Harvard-Mathematiker DG Anderson eine clevere Methode, mehrere frühere Ergebnisse in einer einzigen Eingabe zu kombinieren, um die endgültige Lösung mit weitaus weniger Wiederholungen des Verfahrens zu erhalten. Ungefähr zehnmal weniger als das, was ich fand, als ich sein Schema auf das Spin-up-Problem anwendete.

Einen neuen Algorithmus zu entwickeln ist der einfache Teil. Andere dazu zu bringen, es zu nutzen, ist oft die größte Herausforderung. Daher ist es vielversprechend, dass das britische Met Office und andere Klimamodellierungszentren es versuchen.

Der nächste große IPCC-Bericht wird für 2029 erwartet. Das scheint noch in weiter Ferne zu liegen, aber angesichts der Zeit, die für die Entwicklung von Modellen und die Durchführung von Simulationen benötigt wird, laufen die Vorbereitungen bereits. Diese Simulationen werden von einer internationalen Zusammenarbeit namens Coupled Model Intercomparison Project koordiniert und bilden die Grundlage des Berichts. Es ist spannend zu glauben, dass mein Algorithmus und meine Software dazu beitragen könnten.

Dieser Artikel wurde von The Conversation unter einer Creative Commons-Lizenz erneut veröffentlicht. Lesen Sie den Originalartikel.