Un nuovo modello di apprendimento automatico sta apportando miglioramenti significativi nella previsione delle correnti oceaniche, con potenziali applicazioni nel monitoraggio dell’inquinamento da plastica, delle fuoriuscite di petrolio e nelle operazioni di ricerca e salvataggio. Questi risultati emergono da uno studio condotto da un gruppo di ricercatori multidisciplinari, tra cui informatici del MIT e oceanografi. Per studiare e analizzare le correnti oceaniche, gli scienziati tradizionalmente utilizzano boe dotate di GPS che vengono rilasciate nell’oceano per rilevare la loro velocità e ricostruire le correnti che le trasportano. Questi dati vengono anche impiegati per individuare le “divergenze”, ossia le aree in cui l’acqua sprofonda o sale dalla superficie marina. Prevedere accuratamente le correnti e identificare le divergenze permette agli scienziati di migliorare la precisione delle previsioni meteorologiche, valutare la diffusione del petrolio in caso di fuoriuscite e misurare il trasferimento di energia nell’oceano. Tuttavia, i modelli statistici convenzionali utilizzati per analizzare i dati delle boe spesso faticano a ricostruire con precisione le correnti e a individuare le divergenze, poiché si basano su ipotesi non realistiche sul comportamento dell’acqua. In risposta a questa sfida, i ricercatori hanno sviluppato un nuovo modello che integra le conoscenze di fluidodinamica al fine di riflettere meglio la fisica delle correnti oceaniche. Attraverso l’uso di tecniche di apprendimento automatico, il modello ha dimostrato di fornire previsioni più accurate delle correnti e di identificare in modo più preciso le divergenze rispetto ai modelli tradizionali. Questo strumento innovativo potrebbe fornire agli oceanografi stime più precise basate sui dati delle boe, consentendo loro di monitorare con maggiore efficacia il trasporto di biomassa, carbonio, plastica, petrolio e nutrienti nell’oceano. Tali informazioni sono fondamentali per comprendere e seguire i cambiamenti climatici.
Un metodo avanzato di previsione
La professoressa Tamara Broderick, autrice dello studio e membro del MIT, afferma che il loro metodo cattura in modo più appropriato ed accurato le ipotesi fisiche. Questo permette al modello di concentrarsi sull’apprendimento delle informazioni più rilevanti, come le correnti al di fuori delle zone coperte dalle boe e le divergenze in corso. La tecnica sviluppata dai ricercatori è in grado anche di identificare i vortici a partire da un piccolo insieme di boe, rappresentando un ulteriore progresso nell’analisi delle correnti oceaniche. Gli esperti hanno in programma di incorporare nel loro modello un elemento temporale, in quanto le correnti possono variare nel tempo e nello spazio. Inoltre, desiderano affinare ulteriormente l’effetto del rumore presente nei dati, come i venti che occasionalmente influenzano la velocità delle boe. Separare questo rumore dai dati potrebbe migliorare ulteriormente l’accuratezza del loro approccio. L’introduzione di questo nuovo modello di apprendimento automatico rappresenta un notevole progresso nella previsione delle correnti oceaniche. Le sue capacità di predizione più accurate e l’identificazione precisa delle divergenze offrono nuove opportunità per monitorare e gestire l’inquinamento marino, le fuoriuscite di petrolio e migliorare le operazioni di ricerca e salvataggio.
