Asombroso: científicos crean IA que predice 1.000 años de clima en solo medio día

    El modelo DLESyM marca un antes y después en la predicción climática, superando a sistemas tradicionales con 99 % menos consumo energético y precisión sin precedentes en fenómenos meteorológicos extremos.

    Tierra tapa
    Este nuevo modelo que utiliza inteligencia artificial simula condiciones meteorológicas utilizando pocos recursos, lo que lo diferencia de las herramientas actuales. En pocas horas el sistema puede simular el clima de un milenio. Imagen: NOAA

    El mundo de la climatología acaba de presenciar una revolución silenciosa pero devastadoramente efectiva. El Deep Learning Earth System Model (DLESyM), desarrollado por el equipo comandado por Nathaniel Cresswell-Clay de la Universidad de Washington, ha logrado algo que parecía imposible: simular mil años completos del sistema climático terrestre en menos de 12 horas, usando una fracción mínima de la energía que requieren los superordenadores tradicionales. Este avance no es solo una mejora incremental: representa un cambio paradigmático que democratiza el acceso a la investigación climática de alta precisión.

    Más allá de las métricas técnicas, DLESyM representa un cambio filosófico fundamental en cómo abordamos la comprensión del clima. Mientras los modelos tradicionales requieren formular explícitamente cada proceso físico mediante ecuaciones, el aprendizaje profundo permite que el sistema descubra automáticamente las relaciones complejas entre variables climáticas, capturando dinámicas emergentes que los científicos aún no comprenden completamente.

    La arquitectura dual del DLESyM combina dos redes neuronales especializadas que trabajan en perfecta sincronía: una dedicada exclusivamente a los océanos con actualizaciones cada cuatro días, y otra enfocada en los procesos atmosféricos con ciclos de 12 horas. Tal como señala MIT News, esta división del trabajo permite que cada componente se especialice en las escalas temporales más relevantes para su dominio, optimizando tanto la precisión como la eficiencia computacional de manera extraordinaria.

    Los resultados hablan por sí solos: DLESyM no solo iguala el rendimiento de los modelos CMIP6, el estándar dorado actual en modelación climática, sino que los supera significativamente en la simulación de ciclones tropicales y monzones. Esta superioridad se debe a la capacidad del modelo para capturar patrones complejos y no lineales que los métodos tradicionales basados en ecuaciones físicas a menudo pasan por alto o simplifican excesivamente.

    Precisión sin precedentes: simulando la complejidad de los fenómenos extremos

    La verdadera prueba de fuego para cualquier modelo climático radica en su capacidad para reproducir fenómenos meteorológicos extremos, y aquí es donde DLESyM brilla con luz propia. Los ciclones tropicales, esos gigantes atmosféricos que han desafiado durante décadas a los mejores modelos climáticos, son simulados por DLESyM con una fidelidad espacial y temporal que supera consistentemente a los sistemas CMIP6, estableciendo un nuevo estándar en la predicción de estos eventos devastadores.

    youtube video id=5sEx7TELXgc

    Los monzones, sistemas climáticos cruciales para la agricultura y el sustento de miles de millones de personas en Asia y África, representan otro triunfo del modelo, según lo que indica Eos. La capacidad de DLESyM para capturar las sutiles interacciones entre océanos, atmósfera y patrones de circulación a gran escala resulta en simulaciones monzónicas que no solo replican la intensidad promedio, sino también la variabilidad interanual que determina años de sequía o inundaciones catastróficas.

    Los eventos de bloqueo atmosférico, responsables de olas de calor extremas, sequías prolongadas y patrones meteorológicos persistentes, constituyen quizás el logro más impresionante del modelo. Estos fenómenos, caracterizados por su naturaleza altamente no lineal y su dependencia de interacciones complejas entre diferentes escalas temporales, son notoriamente difíciles de simular. DLESyM iguala la precisión de CMIP6 en el hemisferio norte y muestra mejoras prometedoras en regiones donde los modelos tradicionales han luchado históricamente.

    Democratizando la ciencia climática: accesibilidad y sostenibilidad computacional

    Tradicionalmente, las simulaciones climáticas de alta resolución han sido el privilegio exclusivo de instituciones con acceso a supercomputadoras que consumen megavatios de energía y requieren presupuestos millonarios. DLESyM rompe estas barreras de manera definitiva, permitiendo que universidades pequeñas, países en desarrollo y grupos de investigación independientes accedan a capacidades de modelación climática de clase mundial.

    El impacto ambiental de esta eficiencia computacional no puede subestimarse en una era donde la sostenibilidad energética de la investigación científica se ha convertido en una preocupación ética fundamental. Mientras que una simulación CMIP6 de mil años podría requerir meses de tiempo de supercomputadora y generar toneladas de CO2 en consumo energético, DLESyM completa la misma tarea en 12 horas usando hardware convencional, reduciendo la huella de carbono de la investigación climática en órdenes de magnitud.

    Esta democratización tecnológica promete acelerar dramáticamente el ritmo de descubrimientos en ciencias climáticas. Cuando los investigadores pueden ejecutar cientos de experimentos en el tiempo que antes requería uno solo, la velocidad de hipótesis-prueba-refinamiento se multiplica exponencialmente. Universidades en África, Asia y América Latina podrán contribuir directamente al conocimiento climático global, aportando perspectivas regionales y locales que han sido históricamente subrepresentadas en la literatura científica dominante.

    Referencia de la noticia

    Cresswell-Clay, N., Liu, B., Durran, D. R., Liu, Z., Espinosa, Z. I., Moreno, R. A., & Karlbauer, M. (2025). A deep learning Earth system model for efficient simulation of the observed climate. AGU Advances, 6, e2025AV001706. https://doi.org/10.1029/2025AV001706