Истражувачи од Универзитетот во Манчестер развија пристап заснован на физички модели и вештачка интелигенција што овозможува глобално предвидување на движењето на растворениот органски јаглерод меѓу морската вода и седиментите на океанското дно.
Овој процес е важен дел од планетарниот јаглероден циклус, но досега било тешко да се пресмета на глобално ниво бидејќи механистичките модели се сложени, бавни и пресметковно тешки. Тимот, предводен од Пејман Бабахани, обучил таканаречени AI-емулӓтори да го репродуцираат однесувањето на постоечки модел за циклусот на јаглерод во морските седименти.
Според резултатите, околу 11 проценти од честичкиот органски јаглерод што пристигнува на морското дно се враќаат во водата како растворен органски јаглерод, додека 24 проценти се врзуваат за минералите. Приближно половина од органскиот јаглерод во горниот метар од морските седименти потекнува од растворен јаглерод што претходно бил сорбиран на минерални површини.
Неочекувано, наједноставните алгоритми се покажале како најпрецизни. Истражувачите споредиле модели на длабоко учење, случајни шуми и поедноставни вештачки невронски мрежи. Посложените мрежи постојано давале послаби предвидувања, што претставува пример за практична примена на принципот на штедливост, познат и како Окамова брич.
Новата рамка може да се вгради во глобални климатски и циркулациски модели, со што би се олеснило проучувањето на долгорочното складирање јаглерод во океаните и на можните стратегии за ублажување на климатските промени. Резултатите се објавени во списанието The Innovation.
