Cómo la IA está ayudando a los científicos a ver cómo se mueve el carbono orgánico disuelto en el océano

A menudo se culpa a la inteligencia artificial de generar desinformación y de sus efectos ambientales perjudiciales, pero también tiene muchos aspectos positivos, como ayudar a los científicos a realizar avances en áreas a las que no podrían llegar con los métodos actuales.

Al igual que los investigadores de la Universidad de Manchester, que han visualizado cómo se mueve el carbono en los sedimentos oceánicos utilizando un nuevo enfoque de IA basado en la física , por primera vez pueden realizar predicciones precisas a escala global sobre cómo se desplaza el carbono orgánico disuelto entre el agua de mar y los sedimentos marinos, una parte fundamental, aunque hasta ahora incuantificable, del ciclo del carbono del planeta.

Sin complicaciones

El estudio demuestra que algoritmos de IA relativamente sencillos pueden imitar con éxito modelos ambientales mecanicistas complejos que, por lo general, requieren demasiado tiempo, son demasiado difíciles de ejecutar a escala global y resultan inestables en diversas condiciones del mundo real.

Para superar este problema, el equipo entren�� a "emuladores" de IA para replicar el rendimiento de modelos mecanicistas existentes que describen el ciclo del carbono en los sedimentos oceánicos. Estos emuladores pueden utilizarse a nivel mundial para predecir el comportamiento del carbono disuelto con una resolución y una escala imposibles con el modelo actual.

El estudio proporciona la primera cuantificación global del ciclo del carbono orgánico disuelto en los sedimentos, revelando que el 11 % del carbono orgánico particulado que cae al fondo marino regresa al agua de mar como carbono orgánico disuelto. Otro 24 % se asimila en minerales, y casi la mitad de todo el carbono orgánico en fase sólida en el primer metro de sedimentos marinos proviene del carbono disuelto adsorbido o incorporado a los minerales. Asimismo, subraya la importancia del carbono orgánico disuelto en el balance de carbono a largo plazo de la Tierra.

Confirmación por comparación

Para desarrollar el marco de modelado, los investigadores compararon arquitecturas de aprendizaje profundo, modelos de bosques aleatorios y redes neuronales artificiales de alimentación directa más simples; descubrieron, inesperadamente, que los algoritmos más simples arrojaban las predicciones más precisas.

Esto se confirmó al verificar las salidas del emulador con mapas globales de baja resolución, donde el modelo mecanicista actual seguía siendo numéricamente soluble, y con soluciones algebraicas para variables con expresiones analíticas conocidas.

Los investigadores descubrieron que aumentar la complejidad de las estructuras de la red neuronal conducía sistemáticamente a una menor precisión en las predicciones, lo que proporciona un valioso apoyo práctico al Principio de Parsimonia, o Navaja de Ockham, en el desarrollo de modelos de IA.

Esto tiene importantes implicaciones para la ciencia del clima, ya que cuantificar los balances de carbono en la interfaz sedimento-agua es crucial para comprender la dinámica climática global. Si bien esto se ha visto obstaculizado anteriormente por limitaciones computacionales, este marco rápido, escalable y preciso puede incorporarse a los modelos de circulación global y utilizarse para explorar posibles estrategias de mitigación del cambio climático basadas en los océanos.

“El marco de modelización desarrollado en este estudio puede desempeñar un papel fundamental en la comprobación in silico de posibles escenarios de mitigación del cambio climático basados en los océanos. Con este enfoque, por fin podemos explorar procesos del ciclo del carbono a escala global que antes eran imposibles de cuantificar”, afirmó el Dr. Peyman Babakhani, profesor de Ingeniería Geoambiental y director del proyecto.

La investigación también ofrece nuevas formas de simular y probar cómo los reservorios de carbono marino pueden responder al cambio ambiental en las próximas décadas.

Referencia de la noticia

Global cycling of dissolved organic carbon between seawater and sediments quantified using physics-based artificial intelligence, The Innovation (2026). Babakhani, P., et al.