IA e os Problemas Difíceis do Mundo · Ciências da Terra e do clima · arXiv · 2026-10-21
Variabilidade de Precipitação Aprimorada no Community Atmosphere Model por meio da Implementação de um Esquema de Convecção Profunda com Rede Neural
Título original: Improved Precipitation Variability in the Community Atmosphere Model through Implementation of a Neural-Network Deep Convection Scheme
Os esquemas de convecção profunda continuam sendo uma fonte primária de incerteza nos modelos climáticos globais, e substituí-los por alternativas orientadas por dados, mantendo a consistência física e a estabilidade numérica, é um desafio em aberto. Os autores apresentam uma configuração híbrida do CAM6 na qual uma rede neural profunda totalmente conectada, treinada com saída de grão grosseiro do modelo global que resolve tempestades gSAM para derivar fluxos e tendências convectivos de subescala, substitui o esquema de convecção profunda de Zhang-McFarlane, enquanto radiação, turbulência e outros processos de nuvens permanecem inalterados. A rede roda de forma estável por mais de uma década conservando energia e umidade, produz uma climatologia amplamente realista sem reajustar as parametrizações restantes, reduz acentuadamente os vieses de precipitação fraca e extrema e desloca o ciclo diurno da precipitação sobre terras tropicais de um pico espúrio ao meio-dia para o pico observado no fim da tarde.