AI simuleert 1500 jaar klimaat in één dag op één GPU

TL;DR

Wat: Onderzoekers van AI2, NYU, Princeton en NOAA hebben SamudrACE gebouwd — een AI-systeem dat atmosfeer én oceaan koppelt en 1.500 jaar klimaat simuleert in één dag op één enkele GPU.
Waarom relevant: Snellere, goedkopere klimaatmodellen maken klimaatrisico's eerder inzichtelijk — dat raakt verzekeringen, vastgoed, landbouw en supply chains.
Wat je ermee kunt: Volg hoe klimaatmodellen sneller en toegankelijker worden; dat beïnvloedt de risico-inschatting waar jouw bedrijf mee te maken krijgt.

Ik stuitte op een bericht van het Allen Institute for AI (AI2) over een nieuw klimaatmodel dat volledig draait op machine learning. Wat mijn aandacht trok: het gaat niet om weer voorspellen voor volgende week, maar om simulaties van honderden tot duizenden jaren klimaat — en dat op een fractie van de energie en rekenkracht die traditionele supercomputers nodig hebben. Dat vond ik het uitzoeken waard.

Wat is SamudrACE precies?

SamudrACE is een zogenoemde emulator: software die het gedrag van een veel zwaarder klimaatmodel nabootst, maar dan véél sneller. Vergelijk het met een vluchtsimulatorgame die het gevoel van vliegen nabootst zonder dat je een echt vliegtuig nodig hebt — alleen is hier de nauwkeurigheid van wetenschappelijk niveau.

Het bijzondere is dat SamudrACE twee aparte AI-modellen aan elkaar koppelt:

ACE2 — simuleert de atmosfeer en het landoppervlak in stappen van zes uur.
Samudra — simuleert de oceaan en het zeeijs in stappen van vijf dagen.

Die twee wisselen voortdurend gegevens uit via een tussenlaag (een coupler). De atmosfeer beïnvloedt de oceaan, de oceaan beïnvloedt de atmosfeer — net zoals het in de echte wereld werkt. Dat klinkt logisch, maar het is voor het eerst dat dit met 3D-representaties van beide systemen op deze manier lukt met AI.

Het onderzoek is gepubliceerd in Geophysical Research Letters en is een samenwerking tussen AI2, NYU, Princeton, M2LInES en NOAA's Geophysical Fluid Dynamics Laboratory.

De cijfers: 1.500 jaar op één GPU

Hier word ik eerlijk gezegd nieuwsgierig van. Traditionele klimaatmodellen — zoals het E3SM-model waar dit op gebaseerd is — draaien op duizenden CPU-kernen tegelijk en halen dan zo'n 16 gesimuleerde jaren per dag. SamudrACE haalt op één enkele NVIDIA H100-GPU maar liefst 1.500 gesimuleerde jaren per dag.

Dat is ruwweg 100 keer sneller. En het energieverbruik? Volgens de onderzoekers een factor 3.750 lager dan het traditionele model.

Om dat in perspectief te zetten: stel dat een traditioneel klimaatmodel de energierekening heeft van een klein kantoorpand dat een jaar draait, dan zit SamudrACE meer in de buurt van een waterkoker die een middag aanstaat. Dat is een grove vergelijking, maar het geeft een idee van de orde van grootte.

Wat ik ook opmerkelijk vind: de simulaties blijven stabiel over eeuwen. Het model vangt patronen als El Niño goed op en de seizoenscyclus van zeeijs klopt. De onderzoekers noemen de afwijkingen ten opzichte van het originele E3SM-model "remarkably small".

Een kanttekening bij nauwkeurigheid

Hierbij is het goed om te vermelden dat AI-klimaatmodellen een bekende beperking hebben: ze zijn getraind op historische data. Uit recent onderzoek blijkt dat modellen als GraphCast en Pangu-Weather moeite hebben met het voorspellen van recordbrekende extremen — hitte, koude of windsnelheden die buiten het bereik van de trainingsdata vallen. Of SamudrACE daar ook last van heeft, wordt in het paper niet expliciet benoemd, maar het is een aandachtspunt dat geldt voor de hele discipline.

Wat betekent dit buiten de wetenschap?

Kun je je voorstellen wat het betekent als klimaatsimulaties niet weken maar minuten duren? Dan kun je honderden scenario's doorrekenen in plaats van één. "Wat als de temperatuur 2 graden stijgt? En 3 graden? En wat als de Golfstroom vertraagt?" Dat soort vragen wordt dan praktisch haalbaar.

Dat is vooral relevant voor:

Verzekeraars die overstromings- en droogterisico's moeten inschatten voor de komende decennia.
Vastgoedontwikkelaars die willen weten of een locatie over 30 jaar nog verzekerbaar is.
Landbouwbedrijven die strategische keuzes maken over gewassen en watergebruik.
Supply chain managers die klimaatgevoelige routes en leveranciers in kaart brengen.

De Nederlandse context

In Nederland speelt dit concreet. Het Verbond van Verzekeraars werkt samen met de overheid en landbouworganisaties aan klimaatadaptatie. NWO heeft in 2026 zeven miljoen euro beschikbaar gesteld voor onderzoek naar AI-toepassingen in landbouw, tuinbouw, water en voedsel. De vraag "hoe erg wordt het, en waar?" is hier niet academisch — het bepaalt premies, investeringsbeslissingen en ruimtelijke ordening.

Als modellen zoals SamudrACE breder beschikbaar worden, zou dat de kwaliteit van die risico-inschattingen flink kunnen verbeteren. Niet omdat een MKB-ondernemer zelf klimaatsimulaties gaat draaien, maar omdat de modellen waar verzekeraars, overheden en adviseurs mee werken nauwkeuriger en sneller worden.

Waarom dit een trend is om te volgen

SamudrACE staat niet op zichzelf. De markt voor weervoorspellingsdiensten is in 2026 gegroeid naar bijna 4 miljard dollar en wordt richting 2034 op ruim 6,5 miljard dollar geschat. Grote techbedrijven, onderzoeksinstellingen en overheden investeren stevig in AI-gestuurde klimaatmodellen.

Wat mij opvalt is de snelheid waarmee deze modellen verbeteren. Twee jaar geleden waren gekoppelde atmosfeer-oceaan-emulators nog experimenteel. Nu publiceert een team van AI2 en NOAA resultaten die stabiel zijn over eeuwen simulatie. Dat tempo zie je vaker in AI-onderzoek, maar bij klimaatwetenschap — traditioneel een veld van supercomputers en jarenlange rekentijd — is het opvallend.

Ik denk dat de echte impact niet zit in het model zelf, maar in wat het mogelijk maakt: meer scenario's, sneller doorgerekend, tegen lagere kosten. Voor beleidsmakers betekent dat betere onderbouwing. Voor bedrijven betekent dat scherpere risico-analyses.

Afsluiting

Voor mij is dit vooral een signaal dat klimaatmodellering dezelfde versnelling doormaakt die we de afgelopen jaren in taalmodellen en beeldgeneratie hebben gezien. Het verschuift van een exclusief supercomputerdomein naar iets dat op één GPU draait. Dat maakt de uitkomsten — en de consequenties daarvan voor bedrijven — op termijn een stuk toegankelijker. Of dat ook betekent dat je als ondernemer straks betere klimaatdata in je risicomanagement kunt verwachten? Ik denk dat de richting duidelijk is, ook al is de weg erheen nog lang.

Bronnen:

80% van de AI-projecten haalt productie nooit.

Ik bouw de 20% — van prototype naar draaiend systeem, binnen weken.

WhatsApp mij Connect op LinkedIn