¿Cerrar sesión?
Vas a salir de tu cuenta en este dispositivo.
Un método del MIT permite entrenar emuladores climáticos con menos simulaciones
La investigación propone generar datos sintéticos más útiles para modelos de IA que reproducen simulaciones del clima. En las pruebas, mejoró la adaptación a escenarios nuevos.
Imagen ilustrativa generada con IA
Un equipo del Instituto Tecnológico de Massachusetts (MIT) desarrolló un método de entrenamiento destinado a producir emuladores climáticos más eficientes y adaptables. Estos sistemas de inteligencia artificial reproducen resultados de modelos físicos complejos para explorar rápidamente posibles cambios futuros del clima.
La investigación, publicada en la revista científica Proceedings of the National Academy of Sciences, plantea una diferencia importante: en lugar de entrenar con varios escenarios convencionales de emisiones, optimiza datos sintéticos para que el emulador aprenda a responder también a situaciones que no conocía.
Según MIT News, los métodos habituales suelen partir de seis a ocho ejecuciones de escenarios en modelos de gran escala. La nueva propuesta apunta a reducir ese costo usando un escenario diseñado algorítmicamente. Las pruebas descritas en el estudio mostraron mejoras frente a escenarios tradicionales en las condiciones analizadas.
Christopher B. Womack y Noelle E. Selin integran el equipo de autores. Los investigadores prevén ampliar las pruebas a otros modelos, por lo que los resultados deben entenderse como un avance metodológico en evaluación, no como una garantía universal de exactitud.
Referencias
Comentarios (0)
Todavía no hay comentarios. Sé el primero.
Para comentar tenés que estar registrado. La nota se lee sin login.
Entrar con Google Seguir en el tablón