La noticia: Los investigadores han utilizado el aprendizaje profundo (Deep Learning en inglés) para modelar con mayor precisión que nunca cómo se forman los cristales de hielo en la atmósfera. Su artículo, publicado esta semana en PNAS, insinúa el potencial para aumentar significativamente la precisión de los pronósticos meteorológicos y climáticos.
Cómo lo hicieron: los investigadores utilizaron el aprendizaje profundo para predecir cómo se comportan los átomos y las moléculas. Primero, los modelos fueron entrenados en simulaciones a pequeña escala de moléculas de agua para ayudarlos a predecir cómo interactúan los electrones en los átomos. Luego, los modelos replicaron esas interacciones a mayor escala, con más átomos y moléculas. Es esta capacidad de simular con precisión las interacciones de los electrones lo que permitió al equipo predecir con precisión el comportamiento físico y químico.
Por qué es importante: si los investigadores pudieran modelar cómo se forma el hielo con mayor precisión, podría dar un gran impulso a la predicción del clima en general, especialmente aquellos que involucran si es probable que llueva o nieve y cuánto. También podría ayudar a la predicción del clima al mejorar la capacidad de modelar las nubes, que afectan la temperatura del planeta de manera compleja
