Des scientifiques viennent de construire un jumeau numérique de la Terre avec une résolution d'un kilomètre.
infohightech ·
Les prévisions météorologiques sont notoirement imprécises, et la modélisation climatique l'est encore plus. Mais leur capacité, qui s'améliore lentement, à prédire les aléas climatiques est due en grande partie à deux facteurs : des modèles plus performants et une puissance de calcul accrue.
Un article de chercheurs dirigés par Daniel Klocke de l'Institut Max Planck en Allemagne, et disponible en prépublication sur arXiv , décrit ce que certains membres de la communauté de la modélisation climatique ont décrit comme le « Saint Graal » de leur domaine : un modèle à résolution quasi kilométrique qui combine prévisions météorologiques et modélisation climatique.
Techniquement, l'échelle du nouveau modèle n'est pas tout à fait de 1 km² par zone modélisée ; elle est de 1,25 km. Mais à vrai dire, qui s'en soucie ? On estime à 336 millions le nombre de cellules nécessaires pour couvrir l'ensemble des terres et des mers de la planète, et les auteurs ont ajouté autant de cellules « atmosphériques » directement au-dessus des cellules terrestres, ce qui porte le total à 672 millions de cellules calculées.
Pour chacune de ces cellules, les auteurs ont exécuté une série de modèles interconnectés afin de refléter les principaux systèmes dynamiques de la Terre. Ils les ont classés en deux catégories : « rapides » et « lents ». Les systèmes « rapides » comprennent les cycles de l’énergie et de l’eau, c’est-à-dire, en résumé, les phénomènes météorologiques. Pour les suivre avec précision, un modèle doit atteindre une résolution extrêmement élevée, comme les 1,25 km que permet le nouveau système.
Pour ce modèle, les auteurs ont utilisé le modèle ICOsahedral Nonhydrostatic (ICON) développé conjointement par le service météorologique allemand et l'Institut Max Planck de météorologie.
Les processus « lents », quant à eux, comprennent le cycle du carbone et les changements de la biosphère et de la géochimie océanique. Ils reflètent des tendances sur plusieurs années, voire des décennies, et non pas les quelques minutes nécessaires à un orage pour se déplacer d'une cellule de 1,25 km à une autre. La combinaison de ces deux types de processus, rapides et lents, constitue la véritable innovation de cet article, comme le reconnaissent volontiers les auteurs.
Les modèles typiques qui intégreraient ces systèmes complexes ne seraient calculables qu'à des résolutions supérieures à 40 km.
L'étude approfondie de la modélisation climatique permet de mieux comprendre les concepts présentés dans l'article. Crédit : Chaîne YouTube du Dr Trefor Bazett
Alors, comment ont-ils fait ? En combinant une ingénierie logicielle très poussée avec une grande quantité des puces informatiques les plus récentes que l'on puisse acheter.
Le modèle utilisé comme base pour une grande partie de ce travail a été initialement écrit en Fortran, le fléau de quiconque a déjà essayé de moderniser du code écrit avant 1990.
Depuis sa conception initiale, ce logiciel s'était alourdi de nombreux éléments superflus, le rendant difficilement utilisable sur les architectures informatiques modernes. Les auteurs ont donc opté pour un framework appelé Programmation Parallèle Centrée sur les Données (DaCe), capable de gérer les données de manière compatible avec les systèmes actuels.
Ce système moderne s'est concrétisé par JUPITER et Alps, deux supercalculateurs situés respectivement en Allemagne et en Suisse, tous deux basés sur la nouvelle puce GH200 Grace Hopper de Nvidia. Dans ces puces, un GPU (du type utilisé pour l'entraînement des IA, ici appelé Hopper) est associé à un CPU (ici fourni par ARM, un autre fabricant de puces, et baptisé Grace).
Cette bifurcation des responsabilités et des spécialités de calcul a permis aux auteurs d'exécuter les modèles « rapides » sur le GPU pour refléter leurs vitesses de mise à jour relativement rapides, tandis que les modèles de cycle du carbone plus lents étaient pris en charge par les CPU en parallèle.
Simon Clark teste la possibilité de faire fonctionner un modèle climatique sur un matériel beaucoup plus simple : un Raspberry Pi. Crédit : Chaîne YouTube de Simon Clark
En répartissant ainsi la puissance de calcul nécessaire, ils ont pu utiliser 20 480 superprocesseurs GH200 pour modéliser avec précision 145,7 jours en une seule journée. Pour ce faire, le modèle a utilisé près de 1 000 milliards de « degrés de liberté », ce qui, dans ce contexte, correspond au nombre total de valeurs à calculer.
Malheureusement, cela signifie aussi que des modèles d'une telle complexité ne seront pas disponibles dans votre station météorologique locale de sitôt. Une telle puissance de calcul est rare, et les géants de la tech sont plus enclins à l'utiliser pour exploiter au maximum l'intelligence artificielle générative, quelles qu'en soient les conséquences pour la modélisation climatique.