Исследователи Калифорнийского технологического института (Caltech) проверили нейросеть на упрощённых моделях климата и воздушного потока. В симуляции исчезновения низких океанских облаков она предсказала перелом более чем за два года до его ожидаемого момента; ошибка оценки времени составила около 11 дней. Об этом Caltech сообщил 16 октября 2026 года.

Как сеть распознаёт приближение перелома

Метод называется рекуррентным нейронным оператором. Его встроенная память отслеживает, как физика системы меняется со временем. Оператор сравнивает собственные предсказания с заданными физическими закономерностями. Когда предсказания перестают им соответствовать, это служит сигналом, что в модели может приближаться резкий переход.

Условно это можно сравнить с машиной, которая следит за движением маятника и знает, как тот обычно раскачивается. Если поведение маятника начинает заметно отклоняться от ожидаемого, система фиксирует перемену. В исследовании нейросеть искала такое расхождение в данных симуляций, а не наблюдала за реальным климатом.

В климатической модели рассматривали сценарий, при котором из-за роста концентрации углекислого газа низкие облака над океаном резко исчезают. По данным Caltech, это явление пока не наблюдали в реальности. Если облачный покров исчезнет, потепление может усилиться: облака отражают солнечный свет. Результат нейросети не означает, что процесс уже начался или непременно произойдёт.

Вторую проверку провели на симуляции турбулентного потока воздуха над наклонённым крылом самолёта. Оператор предсказал перелом, связанный с резким падением подъёмной силы. Это также результат компьютерной модели, а не испытания самолёта.

Обе задачи проверяли на упрощённых моделях. Исследователи не испытывали метод на наблюдениях реального климата, и пока неизвестно, как он поведёт себя в полной климатической системе Земли, где взаимодействуют многие процессы и обратные связи. Поэтому срок «более двух лет» относится только к симуляции и не является прогнозом реального климатического перелома.

Для авторов, которым нужна помощь с подготовкой публикации, доступна услуга подготовки научных статей.

Схема показывает, как рекуррентный нейронный оператор отслеживает изменения во времени, замечает расхождение с заданными физическими закономерностями и обнаруживает приближение перелома в модели.

Фото: Kate Trysh / Pexels