Como a IA está a ajudar os cientistas a entender de que forma o carbono orgânico dissolvido se move no oceano

A Inteligência Artificial (IA) é frequentemente culpada pela criação de desinformação e pelos seus impactos ambientais nocivos, mas também apresenta muitos aspetos positivos, como auxiliar cientistas a avançar em áreas que, de outra forma, seriam inacessíveis com os métodos atuais.

Os investigadores da Universidade de Manchester visualizaram a forma como o carbono se move nos sedimentos oceânicos utilizando uma nova abordagem de IA baseada em princípios da física. Pela primeira vez, é possível fazer previsões precisas à escala global sobre como o carbono orgânico dissolvido se move entre a água do mar e os sedimentos marinhos, uma parte fundamental, porém antes não quantificável, do ciclo do carbono no planeta.

Mantendo a simplicidade

O estudo demonstra que algoritmos de IA relativamente simples podem imitar com sucesso modelos ambientais mecanísticos complexos, que normalmente são muito demorados, computacionalmente exigentes demais para serem executados à escala global e instáveis sob diversas condições do mundo real.

Para superar este obstáculo, a equipa treinou "emuladores" de IA para replicar o desempenho de modelos mecanísticos existentes que descrevem o ciclo do carbono em sedimentos oceânicos. Estes emuladores podem ser usados globalmente para prever o comportamento do carbono dissolvido numa resolução e escala impossíveis com o modelo atual.

O estudo fornece a primeira quantificação global do ciclo do carbono orgânico dissolvido em sedimentos, revelando que 11% do carbono orgânico particulado que se deposita no fundo do mar regressa à água do mar como carbono orgânico dissolvido. Outros 24% são assimilados por minerais, e quase metade de todo o carbono orgânico em fase sólida no metro superior dos sedimentos marinhos tem origem no carbono dissolvido adsorvido ou incorporado por minerais.

O estudo também enfatiza a importância do carbono orgânico dissolvido no balanço de carbono de longo prazo da Terra.

Confirmação por comparação

Para desenvolver a estrutura de modelagem, os investigadores compararam arquiteturas de aprendizagem profunda, modelos de floresta aleatória e redes neurais artificiais de propagação direta mais simples; descobriram – inesperadamente – que os algoritmos mais simples produziam as previsões mais precisas.

Isto foi confirmado pela verificação das saídas do emulador em mapas globais de baixa resolução, onde o modelo mecanístico atual permaneceu numericamente solucionável, e em soluções algébricas para variáveis com expressões analíticas conhecidas.

Os investigadores descobriram que o aumento da complexidade das estruturas da rede neural levava consistentemente a uma menor precisão de previsão, fornecendo um raro suporte prático para o Princípio da Parcimónia – ou Navalha de Occam – no desenvolvimento de modelos de IA.

E isto tem implicações importantes para a ciência climática, já que a quantificação dos balanços de carbono na interface sedimento-água é crucial para a compreensão da dinâmica climática global. Anteriormente, isto era dificultado por limitações computacionais, mas essa estrutura rápida, escalável e precisa pode ser incluída em modelos de circulação global e usada para explorar potenciais estratégias de mitigação das mudanças climáticas baseadas nos oceanos.

Esta investigação também oferece novas maneiras de simular e testar de que forma os reservatórios de carbono marinho podem responder às mudanças ambientais nas próximas décadas.

Referência da notícia

Global cycling of dissolved organic carbon between seawater and sediments quantified using physics-based artificial intelligence. 25 de março, 2026. Babakhani, et al.