L'IA face aux grands problèmes du monde · Sciences de la Terre et du climat · arXiv · 2026-10-21
Amélioration de la variabilité des précipitations dans le Community Atmosphere Model grâce à la mise en œuvre d'un schéma de convection profonde à réseau de neurones
Titre original: Improved Precipitation Variability in the Community Atmosphere Model through Implementation of a Neural-Network Deep Convection Scheme
Les schémas de convection profonde restent une source majeure d'incertitude dans les modèles climatiques mondiaux, et leur remplacement par des alternatives fondées sur les données tout en maintenant la cohérence physique et la stabilité numérique constitue un défi encore ouvert. Les auteurs présentent une configuration hybride de CAM6 dans laquelle un réseau de neurones profond entièrement connecté, entraîné sur des sorties agrégées à grossière résolution du modèle global résolvant les orages gSAM afin de dériver les flux et tendances convectifs de sous-maille, remplace le schéma de convection profonde de Zhang-McFarlane, tandis que le rayonnement, la turbulence et les autres processus nuageux restent inchangés. Le réseau fonctionne de manière stable pendant plus d'une décennie tout en conservant l'énergie et l'humidité, produit une climatologie globalement réaliste sans recalibrer les paramétrisations restantes, réduit nettement les biais de précipitations faibles et extrêmes, et décale le cycle diurne des précipitations sur les terres tropicales d'un pic artificiel en milieu de journée vers le pic observé en fin d'après-midi.