Prevendo o Imprevisível
As previsões meteorológicas diárias tornaram-se notavelmente precisas, mas prever eventos extremos raros—como as ondas de calor mais mortais—continua sendo um desafio formidável. Esses eventos, às vezes chamados de 'cisnes cinzentos', ocorrem com tão pouca frequência que ficam fora do alcance dos padrões climáticos típicos. Os modelos tradicionais baseados em supercomputadores podem simulá-los, mas exigem enormes recursos computacionais e tempo. Por outro lado, os modelos de previsão baseados em IA mais recentes se destacam em previsões rotineiras, mas muitas vezes falham em capturar valores atípicos que são sub-representados em seus dados de treinamento.
Essa lacuna motivou pesquisadores a buscar um meio-termo. Uma equipe liderada por cientistas da Universidade de Chicago e colaboradores na França desenvolveu um método híbrido que combina os pontos fortes de ambas as abordagens. Publicado na revista Physical Review Letters, a nova técnica promete melhorar a previsão de eventos climáticos raros e de alto impacto, usando muito menos recursos do que os modelos tradicionais.
O Desafio dos Cisnes Cinzentos
As ondas de calor estão entre as formas mais mortais de clima extremo. Em 2003, uma onda de calor na Europa causou cerca de 70.000 mortes, e em 2010, a Rússia experimentou uma onda de calor que levou a 56.000 mortes. Mais recentemente, em junho de 2026, quase metade dos Estados Unidos—cerca de 180 milhões de pessoas—experimentou temperaturas perigosas. Esses eventos estão se tornando mais frequentes e severos devido às mudanças climáticas, tornando a previsão precisa ainda mais crítica.
No entanto, a própria natureza de tais valores atípicos os torna difíceis de estudar. Eles são raros, então há dados históricos limitados para treinar modelos de aprendizado de máquina. Os modelos tradicionais baseados em física, que simulam o comportamento da atmosfera a partir de equações fundamentais, podem gerar cenários extremos, mas exigem poder computacional massivo e podem levar dias para serem executados. Isso os torna impraticáveis para previsão em tempo real ou para explorar muitos cenários possíveis.
Como explica Pedram Hassanzadeh, professor associado de ciências geofísicas da Universidade de Chicago e co-líder da pesquisa, 'Os modelos de IA para clima e tempo são uma das grandes conquistas da IA na ciência, mas não são mágicos—eles falham em cisnes cinzentos, os eventos mais raros e extremos. Modelos detalhados baseados em física podem capturar extremos, mas exigem quantidades proibitivamente grandes de tempo e energia.'
Uma Solução Híbrida
O novo método, desenvolvido pelo Grupo de Teoria e Dados de Extremos Climáticos de Hassanzadeh e colaboradores internacionais, integra IA com modelagem tradicional baseada em física. A abordagem aproveita a velocidade da IA para explorar uma ampla gama de condições possíveis, enquanto usa modelos baseados em física para garantir que os eventos raros sejam fisicamente realistas. Essa combinação permite que a equipe estime a probabilidade de eventos extremos com mais precisão e eficiência.
A principal inovação está na forma como os dois componentes interagem. O modelo de IA, treinado em um conjunto limitado de simulações de eventos extremos, propõe cenários candidatos. Estes são então validados e refinados usando o modelo baseado em física, que corrige quaisquer resultados não realistas. Esse processo iterativo converge para uma distribuição de probabilidade confiável para eventos raros, mesmo quando a IA sozinha os perderia.
'O poder deste método é que ele combina os pontos fortes da IA e da física tradicional e é particularmente eficaz para eventos extremos, que são os mais difíceis de simular e têm o maior impacto social', disse Hassanzadeh.
Implicações para Previsão e Pesquisa Climática
A abordagem híbrida pode melhorar significativamente nossa capacidade de antecipar eventos climáticos raros, mas devastadores. Por exemplo, pode ajudar planejadores de emergência a se prepararem para ondas de calor, enchentes ou secas que podem ocorrer uma vez por século ou até mesmo por milênio. Ao fornecer probabilidades mais precisas, o método pode informar o design de infraestrutura, estratégias de saúde pública e planos de resposta a desastres.
Além disso, o custo computacional reduzido significa que tais previsões podem ser executadas com mais frequência e para horizontes de tempo mais longos. Isso pode levar a melhores previsões sazonais e decadais, ajudando as sociedades a se adaptarem a um clima em mudança.
A pesquisa também ressalta a importância de combinar IA com entendimento físico. Embora a IA tenha revolucionado muitos campos, ela tem limitações quando se trata de eventos raros. Ao combinar os dois, os cientistas podem aproveitar o melhor dos dois mundos.
Olhando para o Futuro
A equipe planeja refinar ainda mais o método e testá-lo em outros tipos de eventos extremos, como furacões e tornados. Eles também pretendem tornar a ferramenta acessível a serviços meteorológicos e pesquisadores climáticos em todo o mundo.
À medida que o clima extremo se torna mais comum, a necessidade de previsões precisas cresce. Essa abordagem híbrida oferece um caminho promissor, que pode salvar vidas e reduzir perdas econômicas. Ao melhorar nossa capacidade de prever o imprevisível, podemos nos preparar melhor para os desafios que estão por vir.
Por enquanto, o método representa um passo significativo na ciência da previsão de eventos extremos. É um testemunho do poder da colaboração interdisciplinar e do potencial de combinar IA de ponta com princípios físicos testados pelo tempo.
Este artigo é baseado em reportagem da Phys.org. Leia o artigo original.
Originally published on phys.org
