La modélisation climatique hybride est apparue comme un moyen efficace de réduire les coûts de calcul associés aux modèles de résolution des nuages tout en conservant leur précision. L’approche conserve des modèles basés sur la physique pour simuler la dynamique atmosphérique à grande échelle, tout en exploitant l’apprentissage profond pour émuler les processus de nuages et de convection qui sont trop petits pour être résolus directement. En pratique, cependant, de nombreux modèles hybrides IA-physique ne sont pas fiables. Lorsque les simulations s’étendent sur des mois ou des années, de petites erreurs peuvent s’accumuler et rendre le modèle instable.
in Écologie