Más rápido con menos recursos: Suiza reescribe en Python el núcleo de un modelo climático, lo acelera hasta un 30 % y el superordenador Alps ya simula la Tierra a 2,5 km

• Adrián Villellas @AdrianVillellas
• Ingeniero informático, divulgador y creador de contenido tecnológico desde 2017, escribiendo para blogs y medios tanto en español como en inglés.
• • 15/11/2026 14:02
  • Actualizado: 15/11/2026 14:02

Investigadores del Center for Climate Systems Modeling (C2SM), vinculado a la ETH de Zúrich, han reescrito el núcleo del modelo climático ICON. Lo usan ya en simulaciones de producción en el superordenador Alps. Según la nota publicada el 5 de noviembre, ese núcleo rinde hasta un 30 % más y las simulaciones completas acaban entre un 10 y un 15 % antes.

Además, según la ETH, sus equipos han ejecutado simulaciones largas de todo el sistema terrestre, con océano, atmósfera, suelo y hielo marino, a una resolución «sin precedentes» de 2,5 km. A esa escala, el modelo calcula directamente las grandes tormentas en lugar de estimarlas.

Python dentro de ICON

El trabajo pertenece a EXCLAIM, un proyecto abierto de la ETH que va de 2021 a 2027. Lo dirige un comité con Nicolas Gruber, catedrático de Física Ambiental de la ETH, Andreas Prein, Oliver Fuhrer y Thomas Schulthess.

Fuhrer trabaja en MeteoSwiss y en la ETH, y Schulthess en el Centro Nacional Suizo de Supercomputación (CSCS). Quieren una infraestructura capaz de simular el clima a escala de kilómetros, en regiones concretas y en todo el globo.

La pieza renovada, llamada núcleo dinámico, resuelve las ecuaciones que describen cómo se mueve la atmósfera.

Buena parte del código antiguo cedió el sitio a GT4Py, una biblioteca creada en la propia ETH. Los científicos escriben en Python y la herramienta genera versiones optimizadas para cada tipo de procesador. Cambiar de máquina ya no obliga a rehacer medio programa.

El 30 % que encoge

Aunque parezcan contradecirse, las dos cifras de la nota encajan. En una simulación típica de atmósfera, el núcleo dinámico supone cerca del 40 % del coste total. Lo explican Anurag Dipankar y sus coautores en Geoscientific Model Development.

Acelerar esa parte solo recorta, por tanto, una fracción del tiempo final. Con ese margen, la ETH cuenta con hacer más experimentos y procesar más datos usando menos recursos.

También baja la demanda de energía, aunque la nota no da cifras de consumo. El asunto pesa cada vez más, porque la IA obligará a invertir 600.000 millones anuales en redes eléctricas.

960 GPU, cuatro años

Alps es un sistema HPE Cray EX inaugurado en septiembre de 2024. La ficha técnica del CSCS le atribuye 2.688 nodos con 10.752 procesadores NVIDIA Grace-Hopper. Europa ya amplía esta clase de recursos, y Canadá ha entrado en su red de supercomputadores.

En esa máquina, Andreas Prein y su equipo completaron la primera simulación global de varios años con este ICON adaptado a GPU, los chips que aceleran el cálculo. Abarca atmósfera y superficie terrestre desde abril de 2020 hasta marzo de 2024, con 120 niveles verticales.

Con 240 nodos y 960 GPU lograron 0,25 años simulados por día, así que cada año de clima costó cuatro días de cálculo.

Según su artículo del 19 de junio, el tamaño se eligió por eficiencia y el ritmo puede subir con más nodos. El estadounidense Aurora, en otro campo, recreó un trozo de universo con 50.000 GPU.

Lluvia frente al satélite

Los autores compararon el resultado con satélites, reanálisis y estaciones. ICON reprodujo los patrones globales de temperatura y precipitación. Acertó también con la intensidad de la lluvia horaria y con la estructura de los ciclones tropicales.

La configuración parte de la que se usa para predecir el tiempo, sin ajustes empíricos añadidos. Para Prein y sus colegas, el experimento «representa un hito importante» para acercar la meteorología operativa y la modelización del clima.

La ETH confía en mejorar así los avisos de fenómenos extremos y los análisis regionales de riesgo. De momento es una expectativa. La nota no compara la calidad de las predicciones antes y después del cambio.

Veranos que salen cálidos

Prein reconoce errores claros en su evaluación. El modelo calienta y reseca los veranos continentales, con exceso de radiación solar en superficie. En el centro de Estados Unidos y en Eurasia, las diferencias con el reanálisis superan los 3 °C.

Sobre los océanos tropicales, la lluvia llega a pasarse un 50 %. Los grandes sistemas de tormentas de larga duración resultan «demasiado escasos y pequeños», y los vientos de más de 20 m/s tienden a quedarse cortos.

Con solo cuatro años simulados, parte de las diferencias puede deberse a la variabilidad interna del clima.

Un año por día, pendiente

La meta del sector es simular un año entero por cada día de cálculo. Con 2.560 GPU, cerca de una cuarta parte de Alps y sin océano acoplado, el grupo de Dipankar se quedó en unos 213 días simulados por día.

Para llegar a 365, escriben, hace falta «un cambio radical en el diseño del modelo y en la arquitectura de cálculo». El escalado limitado en máquinas con GPU les parece el principal freno.

Las cifras de velocidad tampoco encajan del todo. El artículo de enero hablaba de un núcleo un 10 % más rápido a 10 km de resolución, mientras la nota de noviembre no especifica cómo mide su 30 %.

Tampoco detalla la ETH la simulación acoplada con océano a 2,5 km. Los números revisados por pares corresponden a atmósfera y suelo, con temperaturas del mar observadas.

Los resultados se han publicado en Geoscientific Model Development, y el anuncio es del Departamento de Ciencias de Sistemas Ambientales de la ETH de Zúrich.

Crédito de la imagen: Marco Abram, CSCS.