Selbst auf modernen Hochleistungsrechnern gerechnete Ozeanmodelle sind im Hinblick auf ihre Gitterauflösungen zu grob, um in Simulationen kleinskalige Dynamiken wie sub-mesoskalige Wirbel über mehrere Dekaden aufzulösen. Simulationsläufe mit der dafür notwendigen Auflösung von lokal 600 m können nur Prognosen über wenige Monate liefern. Das Projekt „ExaOcean: Leistungsverbesserung des ICON-O Ozeanmodells auf heterogenen Exascale-Supercomputern mit Methoden des Maschinellen Lernens” zielt darauf ab, effektiv hochaufgelöste Simulationen des Ozeans über mehrere Dekaden mit vertretbaren Laufzeiten zu ermöglichen. Dafür wird das Projekt eine neuartige Kombination von „klassischen” Algorithmen der numerischen Mathematik und Maschinellem Lernen verfolgen. Statt die sub-mesoskaligen Wirbel auf dem Gitter aufzulösen, sollen deren kumulierte Einflüsse auf größere Skalen durch ein neuronales Netz dargestellt werden, das mit Daten aus hochaufgelösten Simulationen über kurze Zeiträume trainiert wird. Das Projekt wird durch das BMBF im Förderprogramm SCALEXA für 3 Jahre finanziert. Weitere Informationen: gauss-allianz.de/en/project/title/ExaOcean.