O El Capitan, com capacidade teórica de 2,79 quintiliões de cálculos por segundo, foi utilizado num processo prévio de pré-computação em larga escala, antes de iniciar trabalhos classificados de segurança nacional. Através de mais de 43.500 unidades AMD Instinct MI300A, a equipa gerou uma biblioteca massiva de simulações físicas, relacionando movimentos sísmicos do fundo do mar com as consequentes ondas de tsunami. Este trabalho permitiu resolver um problema Bayesiano inverso de alta fidelidade, criando um modelo que, durante um evento real, pode ser executado em clusters GPU de menor dimensão com enorme rapidez.
O sistema funciona como um "gémeo digital" do tsunami, processando dados em tempo real provenientes de sensores de pressão no fundo do mar e recorrendo a simulações físicas avançadas para prever o comportamento das ondas, incluindo margens de incerteza. Esta abordagem supera as limitações dos sistemas atuais, que dependem de modelos simplificados e podem gerar falsos alarmes ou atrasos críticos. No caso de um sismo de magnitude 8,0 na zona de subducção de Cascadia, por exemplo, as primeiras ondas poderiam atingir a costa em apenas 10 minutos - tornando cada segundo vital para a evacuação.
A base desta inovação está no MFEM, biblioteca de elementos finitos open-source do LLNL, otimizada para GPUs, que permitiu simular a propagação de ondas acústico-gravitacionais com um detalhe recorde de 55,5 biliões de graus de liberdade. A metodologia combina precisão e velocidade inéditas, tornando possível resolver problemas inversos com milhões ou até bilhões de variáveis num tempo reduzido a décimos de segundo.
Além de aplicações na previsão de tsunamis, a tecnologia pode ser adaptada para outras áreas críticas, como combate a incêndios florestais em tempo real, monitorização de poluentes subterrâneos, previsão do clima espacial e cenários de resposta rápida em segurança e defesa. Os investigadores destacam que, à medida que as redes de sensores subaquáticos se expandirem e a infraestrutura computacional evoluir, este tipo de sistema poderá ser implementado amplamente, proporcionando alertas mais rápidos, inteligentes e fiáveis.
Para os especialistas, esta abordagem representa uma mudança de paradigma na forma como se pensa a resposta a catástrofes naturais, combinando dados em tempo real com modelos físicos complexos e análise de incerteza - e tudo com a velocidade necessária para salvar vidas.
