NeuralGCM يُحدث ثورة في نمذجة المناخ باستخدام التعلم الآلي

يتم تسليط الضوء على NeuralGCM revolutionises climate modeling with machine learning من قبل BTW Media لأن الأدلة المنشورة تربطه بالبنية التحتية للإنترنت والحوكمة والاعتماديات التشغيلية أو رؤية السوق.

• فريق من الباحثين في Google والمركز الأوروبي للتنبؤات الجوية متوسطة المدى (ECMWF) طور نموذج مناخي جديد يسمى NeuralGCM يستخدم الذكاء الاصطناعي لتحسين سرعة ودقة التنبؤات الجوية.
• باستخدام الشبكات العصبية لتعزيز المحاكاة الفيزيائية التقليدية، حقق NeuralGCM تقدمًا كبيرًا في نمذجة والتنبؤ بالعمليات المناخية.

رأينا
باحثون من Google وECMWF يقدمون نموذج مناخي مبتكر يسمى NeuralGCM.يستخدم NeuralGCM الشبكات العصبية لتعزيز الحوسبة عالية الأداء التقليدية مع التركيز على عمليات المناخ صغيرة النطاق مثل السحب وتغيرات الدقة التي يصعب على النماذج التقليدية محاكاتها بدقة. باستخدام بيانات الطقس التاريخية التي جمعتها ECMWF للتدريب، حقق NeuralGCM نتائج مهمة في تحسين سرعة ودقة التنبؤات، خاصة في عمليات المحاكاة عالية الدقة، متجاوزاً نماذج المناخ الحالية وجالباً أملاً وإمكانيات جديدة لمجال علم المناخ والتنبؤات الجوية.
-Rae Li، مراسل BTW

ماذا حدث

NeuralGCMيركز على عمليات المناخ صغيرة النطاق التي يصعب على النماذج التقليدية التقاطها بدقة، مثل السحب وتغيرات الدقة، ويظهر إمكانية تحسين سرعة ودقة التنبؤ من خلال التدريب باستخدام بيانات الطقس التاريخية التي جمعهاECMWF. تم تطويره باستخدام إطار التعلم الآلي JAX من Google، مما يمكن النموذج من العمل مباشرة على مسرعات مثل TPUs أو GPUs، مما يؤدي إلى تحسينات كبيرة في السرعة والكفاءة.

تدعي Google أن نسخة الدقة 1.4 درجة من نموذج NeuralGCM أسرع بأكثر من 3,500 مرة من نموذج X-SHiELD. تم إصدار الكود المصدري والأوزان لنموذج NeuralGCM بموجب ترخيص غير تجاري على GitHub للاستخدام العام. يأمل الباحثون في نهاية المطاف دمج جوانب أخرى من نظام المناخ الأرضي، مثل المحيطات ودورة الكربون، في النموذج، مما يسمح لـ NeuralGCM بإجراء تنبؤات على نطاقات زمنية أطول، متجاوزاً التنبؤات الجوية إلى مستوى التنبؤ المناخي.

اقرأ أيضًا:ماذا يفعل DataRobot؟ أتمتة الذكاء الاصطناعي والتعلم الآلي

اقرأ أيضًا:ما هو DataRobot: إحداث ثورة في التعلم الآلي والذكاء الاصطناعي

لماذا هو مهم

يمكن أن يشير نموذج NeuralGCM إلى الإمكانات الكبيرة للذكاء الاصطناعي في تحسين القدرات التنبؤية لنماذج المناخ. نماذج NeuralGCM قادرة على محاكاة والتنبؤ بالظواهر المناخية بدقة أكبر، خاصة تلك العمليات صغيرة النطاق التي يصعب على النماذج التقليدية التقاطها. يمكن أن تساعد في تحسين دقة وسرعة التنبؤات الجوية ولها آثار مهمة على فهم نظام المناخ المعقد، والاستجابة لتغير المناخ، وصياغة السياسات ذات الصلة.

بالإضافة إلى ذلك، فإن تطوير وإصدار نموذج NeuralGCM مفتوح المصدر قد زود مجتمع علم المناخ بأداة جديدة تسهل التعاون متعدد التخصصات وتبادل المعرفة. باستخدام موارد الحوسبة عالية الأداء، مثل TPUs أو GPUs، يمكن لنماذج NeuralGCM العمل بسرعات أسرع، مما يساعد الباحثين على إجراء عمليات المحاكاة والتحليلات المناخية بكفاءة أكبر.