El mar peruano es uno de los ecosistemas marinos más importantes del mundo debido a su diversidad biológica y riqueza pesquera. Este ecosistema marino es afectado por eventos El Niño capaces de destruir el ecosistema marino, cambiar las condiciones climáticas e impactar negativamente las actividades de pesca y acuicultura. Sin embargo, en 2017, se registró una ola de calor marina frente al Perú, durante un periodo neutro del ciclo El Niño y la Oscilación del Sur (ENSO), que condujo a intensas precipitaciones y cambios en el ecosistema marino. Mientras que El Niño a escala global ha sido estudiado extensamente, los procesos físicos y mecanismos para el desarrollo de las olas de calor marinas tipo las ocurridas en 1891, 1925 y 2017, desacopladas de la dinámica del ENSO, no son bien entendidos, lo que limita fuertemente su predicción. Se hipotetiza que los procesos no lineales que desencadenan la ocurrencia de un evento de calentamiento tipo “Ola de calor marina del 2017” pueden reproducirse y comprenderse usando modelos de circulación general. El proyecto usará diversos métodos, incluyendo enfoques de modelado acoplado océano-atmósfera con el modelo IPSL; modelado regional con el modelo físico-biogeoquímico CROCO-PISCES; y modelos de pronóstico basados en técnicas de Machine Learning (Inteligencia Artificial). En el presente proyecto se tiene como objetivo general entender los procesos físico-biogeoquímicos y la predictibilidad de eventos persistentes de calentamiento de la costa peruana desacoplados de la dinámica ENSO mediante experimentos de sensibilidad con el modelo acoplado océano-atmósfera IPSL. La investigación se desarrollará en tres etapas. Primero, se identificará, caracterizará y estudiará los procesos físicos de este tipo de eventos mediante observaciones y experimentos de sensibilidad con el modelo acoplado océano-atmósfera IPSL. Luego, se estudiarán los impactos biogeoquímicos sobre el mar peruano usando el modelo regional CROCO-PISCES. Finalmente, se desarrollará y evaluará la predictibilidad de un modelo de pronóstico de estos eventos a corto y largo plazo basado en técnicas de inteligencia artificial, como Machine Learning. Los resultados esperados del proyecto son: dos artículos científicos originales, dos tesis finalizadas de postgrado y al menos una ponencia en congreso de alcance internacional. Los conocimientos adquiridos en el proyecto son relevantes dado que tendrán grandes impactos científico, tecnológico, social, económico, ambiental y bibligráfico en el Perú y a nivel regional, debido a que el entendimiento y predictabilidad de este tipo de olas de calor marinas, permitirá mitigar los fuertes impactos negativos sobre los ecosistemas marinos.