Promotie: Methods for the Study of Rare Transitions in the Atlantic Meridional Overturning Circulation

LET OP: De kandidaat houdt een lekenpraatje, hierdoor start de livestream een kwartier eerder.

De Atlantische Meridionale Omwenteling Circulatie (AMOC) speelt een cruciale rol in het transport van warmte en zout over de Atlantische Oceaan richting het noordelijk halfrond. Echter, de opwarming van de aarde kan een snelle verstoring van de AMOC veroorzaken, wat wereldwijd een grote impact op het klimaat heeft. Het is daarom van groot belang om de waarschijnlijkheid van een dergelijke gebeurtenis te bepalen en de mechanismen en gevolgen ervan te bestuderen, zodat de samenleving erop voorbereid is.

Deze taak vereist echter het uitvoeren van modelsimulaties, iets wat meestal te duur is om te doen met geavanceerde klimaatmodellen. In plaats daarvan bestuderen we in dit proefschrift algoritmen die de simulatie van zeldzame en extreme gebeurtenissen (zoals een AMOC-ineenstorting) vergemakkelijken door de bijbehorende kosten te verlagen. Maar het uitvoeren van dergelijke algoritmen blijft rekenkundig duur, dus moeten we hun efficiëntie en betrouwbaarheid maximaliseren voordat we ze op grote klimaatmodellen toepassen.

Een manier om ze te optimaliseren, onderzocht in de eerste helft van dit proefschrift, is het verbeteren van de meting van hoe dicht een bepaalde simulatie bij een AMOC-collaps komt. We bereiken dit door een machine learning-schema op te zetten, waarbij we proberen zo weinig mogelijk trainingsdata te gebruiken (aangezien data schaars is bij het werken met grote klimaatmodellen). Een andere interessante benadering, onderzocht in de tweede helft van dit proefschrift, is het zo veel mogelijk informatie halen uit de output van het algoritme, om de drijvende krachten en gevolgen van dergelijke gebeurtenissen te analyseren en te volgen.