Een team van onderzoekers heeft een geavanceerd hybride modelleringskader ontwikkeld om de complexe dynamiek van het aardse klimaatsysteem beter in kaart te brengen. In het project, dat bekendstaat als ACE2-NEMO, wordt een atmosferische emulator die is aangedreven door machine learning gekoppeld aan een volledig dynamisch oceaanmodel. Het doel van dit onderzoek is om te begrijpen hoe kortstondige atmosferische schommelingen de langetermijngevoeligheid en variabiliteit van het klimaat beïnvloeden.
De kern van deze innovatie ligt in de integratie van de ACE2-emulator met het NEMO-oceaanmodel. Hoewel machine learning-modellen reeds effectief zijn gebleken voor kortetermijnvoorspellingen zoals het weer, is hun inzet binnen een volledig gekoppeld klimaatsysteem over een langere periode nog grotendeels onontgonnen terrein. Volgens een publicatie op arxiv.org is dit een van de eerste pogingen waarbij een door machine learning gegenereerde atmosfeer gedurende meerdere decennia is geïntegreerd met een oceaanmodel dat de volledige diepte van de watermassa's beslaat.
Om de effectiviteit van dit nieuwe systeem te testen, voerden de onderzoekers Bobby Antonio, Kristian Strommen, Pablo Ortega en Hannah M. Christensen simulaties uit over een periode van 70 jaar. Hierbij werd specifiek gekeken naar de periode tussen 1950 en 2020 met behulp van historische forcering. Daarnaast werd een controle-experiment uitgevoerd gebaseerd op de klimatologische omstandigheden van de jaren 1950. De resultaten van ACE2-NEMO werden vervolgens vergeleken met het globale gekoppelde klimaatmodel EC-Earth, dat dezelfde oceaancomponent gebruikt, om zo een zuivere validatie van de data mogelijk te maken.
De analyse richtte zich op twee hoofdprioriteiten: de reactie van het klimaat op de uitstoot van broeikasgassen en de variabiliteit met een lage frequentie in de tropen. Uit de resultaten in de komt naar voren dat de interactie tussen de lucht en de zee in de tropische Pacific op de korte termijn realistisch verloopt. Er is echter een probleem met de temporele variabiliteit; de oscillaties vertonen een te lage amplitude. De auteurs schrijven dit fenomeen toe aan een onvoldoende atmosferische feedback in dat specifieke gebied.
Ook de reactie op de stijging van CO2-concentraties werd kritisch bekeken. Hoewel ACE2-NEMO in eerste instantie resultaten liet zien die overeenkwamen met EC-Earth3P, ontstonden er op de lange termijn afwijkingen. Deze discrepantie wordt volgens de onderzoekers veroorzaakt door een afname van de neerwaartse kortgolvige straling binnen de ACE2-emulator. Deze bevindingen zijn essentieel om te bepalen of machine learning-componenten een betrouwbaar onderdeel kunnen vormen van toekomstige aard-systeemmodellen.
Het onderzoek is voortdurend in ontwikkeling. De meest recente versie van de studie werd op 20 oktober 2026 bijgewerkt, waarbij nieuwe baseline-experimenten en aanvullende analyses zijn toegevoegd aan de oorspronkelijke indiening uit maart 2026. De volledige technische details zijn raadpleegbaar via de .
Vanwege de naamgeving van het gebruikte oceaanmodel is er een mogelijk risico op verwarring met andere instellingen. Het is echter belangrijk te benadrukken dat het NEMO-oceaanmodel een numeriek wetenschappelijk instrument is en geen verbinding heeft met het nemosciencemuseunl, de educatieve instelling in Amsterdam die zich richt op wetenschapscommunicatie voor het grote publiek.