Nicht der Postillon

Ganz genau so ist es.

Klimamodelle wie bspw. CMIP haben ein ganzes Set an a priori zu bestimmenden Parametern, mit denen sie ins Rennen gehen. Das können Parameter sein, die etwas mit der Realität zu tun haben wie bspw. bestimmte Abflussparameter oder andere als konstant zu beschreibende Landoberflächenparameter, aber auch solche die nicht mehr viel mit dem eigentlichen Prozess zu tun haben - z.B. aufgrund der großflächigen Skala. So kann man bspw. die Rauhigkeit einer Fläche lokal recht einfach bestimmen oder sogar messen, dehnt man das auf 10 km² aus, gehen aber Einheit und Bezug verloren.

Manche Modelle arbeiten mit 10 Parametern, manche mit 1000. Diese Parameter muss man vor den Modelläufen kalibrieren, kann man sich vereinfacht wie ein Gleichungssystem mit 1000 Variablen vorstellen. Die Lösung dieses Systems ist z.B. eine Landoberflächentemperatur oder eine Abflussgröße, häufig aber eine Metrik, die mehrere Prozessvariablen kombiniert. Nun wird die Parametrisierung aber nicht auf eine Zeit und einen Ort kalibriert, sondern für ein repräsentatives (oder sogar das ganze) Gebiet und idR ein paar Jahre Zeit. D.h. das Modell kalibriert vll. von 1980-1985 und läuft ab da im Vorhersagebetrieb.

Die Parametrisierung ist ein klassisches Optimierungsproblem, denn ich kann keine Gleichung mit 1000 Unbekannten rechnen, ich muss approximieren. Und da kommen recht aufwendige Algorithmen ins Spiel, ein klassischer ist bspw. Shuffled Complex Evolution (SCE). Seit einigen Jahren verwendet man aber auch vermehrt Maschine Learning, weil das perfekt für die Optimierung geeignet ist. In den Parametrisierungen steckt schon so viel Black Box drin, da hat die klassische Sensitivity Analysis schon mit zu kämpfen.

Von Quantum Processing habe ich zugegebenermaßen keine Ahnung. Aber wie es mit neuen Technologien so ist, testet man die am besten aus, bevor sie da sind. Wieso sollte das DLR nicht Ressourcen da rein stecken, Quantum computing für die Parametrisierung von Klimamodellen zu erproben, wenn auch vielleicht erstmal auf kleinerer Skala?

Also wenn man sich über generative KI shareholder Quatsch beschwert, verstehe ich das sehr gut, das hier verstehe ich nicht. Tut mir Leid OP, aber ich glaube da hast du dich in ein Feld begeben, von dem du keine Ahnung hast.