Лаборатория моделирования климатических систем (POSTERIOR Lab)

Научные результаты:

• Создан метод извлечения главных нелинейных мод климатической изменчивости из данных. Анализ рядов температуры поверхности океана позволил выделить низкоразмерные моды, отвечающие за межгодовую и мультидекадную изменчивость климата.
• Разработан метод построения эмпирических моделей, основанных на пространственно-временном разложении данных и нейросетевом представлении оператора эволюции системы. На примере межгодового прогноза ключевых климатических индексов продемонстрировано, что прогностическая способность моделей, построенных с помощью нового метода, не уступает лучшим из существующих в мире аналогов.
• Разработан метод, позволяющий по данным наблюдений в рамках одной процедуры идентифицировать повторяющиеся режимы атмосферной изменчивости в средних широтах и реконструировать фазовое пространство, обеспечивающее разделение этих режимов. Метод сочетает в себе два подхода к нелинейному анализу данных: построение и анализ сети (графа) повторяющихся состояний и нелинейный анализ главных компонент. Метод протестирован на данных, сгенерированных квазигеострофической моделью атмосферы, и затем применен к анализу данных геопотенциальных высот атмосферы в средних широтах Северного полушария в зимние сезоны с 1981 г. по настоящее время. Выявлен набор повторяющихся режимов циркуляции атмосферы планетарного масштаба, исследованы их динамические свойства и показана их связь с крупномасштабными погодными аномалиями, определившие, в частности, аномальные зимы над Евразией и Северной Америкой. Разработанный метод открывает перспективы для совершенствования эмпирического моделирования и долгосрочного прогнозирования режимов крупномасштабной атмосферной циркуляции в средних широтах.
• Новый метод исследования устойчивости к сильным возмущениям впервые применен для изучения свойств реальной природной системы: для анализа изменения стабильности климатической системы Земли за последние 2,6 миллиона лет (период Плейстоцена). На основе нового метода и нелинейной эмпирической реконструкции оператора эволюции климата Земли продемонстрировано, что устойчивость глобального климата к любым возмущениям снижается на протяжении всего Плейстоцена, усиливая, тем самым, его реакцию на быстрые (с тысячелетним масштабом и меньше) климатические вариации. Именно этот фактор, обусловленный нелинейностью земной климатической системы, привел к качественной перестройке эволюции глобального климата около миллиона лет назад: кардинально изменились продолжительность (с 41 тысячи лет на 100-120 тысяч лет) ледниковых циклов и их структура (на порядок возросло отношение продолжительностей холодной и теплой фаз внутри каждого цикла).

Внедрение результатов исследования:

Разработаны алгоритмы, применяющиеся в моделировании физических процессов, обработке больших массивов данных (Big Data) и машинном обучении. На государственный учет поставлены 11 полезных программ для ЭВМ:

• «Программа для расчета пространственно-временной моды по многомерному временному ряду»
• «Программа для расчета нелинейной динамической моды и ее обоснованности по многомерному временному ряду (версия 1)»
• «Программа для расчета нелинейной динамической моды и ее обоснованности по многомерному временному ряду с оптимизацией по размерности»
• «Программа для расчета стохастической модели оператора эволюции на базе искусственных нейронных сетей, ее обоснованности и прогноза поведения по скалярному временному ряду»
• «Программа для калибровки численных схем климатических моделей, основанная на методе байесового осреднения на регулярной широтно-долготной вычислительной сетке»
• «Программа для вычисления статистических моментов и кумулянтов аномалий из заданного интервала временных масштабов по данным на широтно-долготной вычислительной сетке»
• «Программа для расчета прогностической модели оператора эволюции в форме комплекснозначной искусственной нейронной сети»
• «Программа для расчета эмпирической прогностической модели оператора эволюции с поиском оптимальной структуры вложения по многомерному временному ряду»
• «Программа для расчета байесовой обоснованности модели оператора эволюции в форме комплекснозначной искусственной нейронной сети»
• «Программа для расчета эмпирической прогностической модели оператора эволюции по многомерному временному ряду с учетом его гладкости»
• «Программа для расчета комплекснозначной пространственно-временной моды по многомерному временному ряду»

Организационные и инфраструктурные преобразования:

• Лаборатория располагает высокопроизводительным вычислительным кластером (более 500 современных вычислительных ядер частотой 2,4 ГГц). Данный кластер интегрирован в инфраструктуру института и является ядром вычислительной системы Института прикладной физики РАН.
• На базе лаборатории по решению Бюджетной комиссии Минобрнауки России о предоставлении субсидии от октября 2022 г. №БК-П/29 создана молодежная лаборатория «Разработка и тестирование климатических моделей» под руководством к.ф.-м.н А.С. Гаврилова (подготовил диссертацию в процессе выполнения мегагранта и защитил ее в 2019 году).

Образование и переподготовка кадров:

• Организована международная конференция Conference on Mathematical Geophysics CMG 2018 (Россия, 2018 г.).
• Организованы секции на международных конференциях EGU General Assembly (Австрия, 2015-2018 гг.,), Topical problems of nonlinear wave physics (Россия, 2014, 2017 гг.,), Frontiers of nonlinear physics (Россия, 2016 г.), на молодежных научных школах «Нелинейные волны» (Россия, 2016, 2018 гг.).
• Организована Всероссийская Школа - конференция молодых ученых «Состав атмосферы. Атмосферное электричество. Климатические эффекты» «МАПАТЭ 2016» (Россия, 2016 г.).
• Организованы рабочие группы Network analysis and data driven modelling of the climate (Германия, 2014 г.) и Analysis of Dynamic Networks and Data Driven Modelling of the Climate (Германия, 2015 г.).
• 3 специалиста лаборатории прошли стажировку по эмпирическому моделированию распределенных систем.
• Участие в чтении курсов лекций «Механика», «Молекулярная физика», «Теория колебаний и волн», «Общая циркуляция атмосферы и ее математическое моделирование», «Основы теории климата», «Теория управления», «Информационная нейродинамика».

Сотрудничество:

• Потсдамский институт изучения климатических изменений (Германия): совместные исследования и научные мероприятия, разработка новых методов детектирования взаимодействий и направленности связей в сложных системах, разработка общей концепции бассейновой устойчивости динамических систем и ее приложение к исследованию устойчивости климатических мод, выявленных как в региональных климатических системах, так и в глобальной климатической системе Земли.
• Калифорнийский университет в Лос-Анджелесе (США): совместные исследования, создание прогностических эмпирических моделей динамики арктического морского льда и изменений уровня океана в Арктике, описывающих эволюцию на сезонных, межгодовых и декадных масштабах.