Een team van onderzoekers heeft een innovatieve technische infrastructuur ontwikkeld die kunstmatige intelligentie (AI) integreert met klassieke fysische modellen. Deze doorbraak maakt het mogelijk om complexe simulaties van het weer en het klimaat efficiënter en preciezer uit te voeren door de sterktes van verschillende programmeertalen te combineren.
De integratie van AI in numerieke modellering opent nieuwe wegen voor het verbeteren van data-assimilatie, een proces dat cruciaal is voor een dieper begrip van het aardse systeem. Een grote hindernis bij deze ontwikkeling was echter de technische kloof tussen de gebruikte softwaretalen. Terwijl traditionele fysische modellen vaak zijn geschreven in Fortran vanwege de hoge snelheid bij numerieke berekeningen, worden moderne AI-systemen vrijwel uitsluitend ontwikkeld in Python.
Volgens een wetenschappelijk rapport dat op 30 augustus 2026 werd gepubliceerd via arxiv.org, bemoeilijkt dit taalverschil de directe implementatie van AI-algoritmen in fysische modellen. Om dit probleem op te lossen, hebben Xianrui Zhu en dertien medeauteurs de Hf2pMDA (versie 1.0) ontwikkeld. Deze infrastructuur maakt gebruik van het F2PY-protocol, waardoor AI-componenten en fysische modellen elkaar wederzijds kunnen aanroepen binnen één enkel programma.
De praktische toepasbaarheid van dit systeem is aangetoond in twee meteorologische scenario's. In het eerste geval is een systeem voor gekoppelde klimaat-data-assimilatie (CDA) geüpgraded naar een 'strongly CDA' (SCDA) model. Hierbij worden Fortran-componenten van een circulatiemodel en een filteringsalgoritme aangestuurd door een centrale controller in Python. Deze controller integreert daarnaast een specifiek SCDA-algoritme dat is getraind met een latent space autoencoder.
In een tweede scenario is de methode toegepast op een weersysteem met een zeer hoge resolutie van één kilometer. In dit model werken traditionele Fortran-modules in de hoofdgebieden samen met een Python-gebaseerd algoritme in het centrale dochterdomein, waarbij opnieuw de Python-controller de synchronisatie bewaakt.
De keuze voor Python als spil in dit systeem is strategisch. Zoals uitgelegd in de python.org, is de taal bij uitstek geschikt voor scripting en snelle ontwikkeling dankzij een elegante syntaxis en dynamische typering. Bovendien kan de Python-interpreter eenvoudig worden uitgebreid met functies uit talen die aanroepbaar zijn vanuit C, wat de hybride koppeling met Fortran technisch mogelijk maakt.
Voor wetenschappers en ontwikkelaars die deze hybride systemen willen bouwen, is een grondige kennis van de taal essentieel. Educatieve platforms zoals w3schools.com bieden uitgebreide handleidingen over Python, variërend van de basisprincipes tot de gespecialiseerde bibliotheken die nodig zijn voor wetenschappelijke berekeningen.
De makers van Hf2pMDA stellen dat hun methode een symbiose creëert tussen data-gedreven AI en theoretische natuurkunde. Door fysische kennis in AI-algoritmen te injecteren, wordt de intelligentie van deze systemen vergroot, terwijl fysische modellen profiteren van het leervermogen van AI. Deze ontwikkeling, zoals beschreven in de publicatie op , legt de basis voor computationeel geavanceerde simulaties van het wereldwijde klimaat.