Projeções climáticas precisas e atualizadas são essenciais para decisões de planejamento que aumentam a resiliência das redes elétricas, protegem a saúde pública, maximizam a produção agrícola e muito mais.
Agora, pesquisadores do MIT desenvolveram uma técnica que simplifica a produção de modelos de inteligência artificial rápidos, confiáveis e adaptáveis para previsão climática.
Esses modelos de IA especializados, conhecidos como emuladores climáticos, podem simular rapidamente os efeitos das atividades humanas em um clima futuro, prevendo impactos em temperaturas ou no nível do mar, por exemplo.
Como os emuladores rodam em questão de segundos, os cientistas os utilizam para testar eficientemente milhares de cenários climáticos variados. Isso fornece estimativas mais confiáveis e pode identificar resultados inesperados de intervenções regionais.
Os pesquisadores do MIT desenvolveram uma técnica de treinamento que aumenta o desempenho e a adaptabilidade de um emulador climático ao usar apenas uma fração dos dados normalmente necessários. Isso reduz significativamente o tempo de produção dessas ferramentas científicas práticas.
Eles demonstram que um emulador treinado com uma quantidade muito menor de dados sintéticos cuidadosamente selecionados prevê com precisão os resultados de cenários que não viu durante o treinamento, enquanto emuladores tradicionais falharam em se adaptar a novas situações.
“Emuladores climáticos são especialmente adequados para modelar cenários relevantes para políticas. Ao usar nosso método para gerar dados de treinamento otimizados para um emulador, podemos acelerar a produção de emuladores muito mais confiáveis, de modo que possamos confiar melhor em suas saídas ao tomar decisões políticas”, diz Christopher Womack PhD ’26, que agora é pós‑doutorando na ETH Zurich e autor principal de um artigo sobre esta técnica .
Ele está acompanhado no artigo por Shahine Bouabid, pós‑doutorando no Departamento de Terra, Atm
Fonte: MIT News - AI
Publicado em 2026-11-12