Variable Klimasimulationen mit Deep Learning

Variable Klimasimulationen mit Deep Learning

Bei neuronalen Netzen handelt es sich um Programme, die anhand vorhandener Daten selbstständig lernen. Sie sind ein Zweig der künstlichen Intelligenz. Lilly Schwarz schrieb eine Simulation in der Programmiersprache Python, die das Weltklima vorausberechnet, nachdem es mit historischen Daten der vergangenen Jahrhunderte trainiert wurde. Basis der Algorithmen ist die globale Strahlungsbilanz, die sich durch Treibhausgase wie CO₂ verändert. Das System prognostiziert abhängig von den angenommenen CO₂-Werten die globalen Temperaturen oder auch das Niveau des Meeresspiegels. Die Ergebnisse stimmen recht gut mit den Simulationen des Weltklimarats IPCC überein, wobei die Jungforscherin darauf verweist, dass ihr System ohne viel Aufwand flexibel an veränderte CO₂-Emissionen angepasst werden kann.