NeuralGCM revolutionises climate modeling with machine learning

• Un equipo de investigadores de Google y el Centro Europeo de Previsiones Meteorológicas a Plazo Medio (ECMWF) ha desarrollado un nuevo modelo climático llamado NeuralGCM que utiliza IA para mejorar la velocidad y precisión de las previsiones meteorológicas.
• Al utilizar redes neuronales para complementar las simulaciones físicas tradicionales, NeuralGCM ha logrado avances significativos en el modelado y la predicción de procesos climáticos.

NUESTRA OPINIÓN
Investigadores de Google y el ECMWF presentan un innovador modelo climático llamado NeuralGCM. NeuralGCM utiliza redes neuronales para complementar la computación de alto rendimiento (HPC) tradicional, centrándose en procesos climáticos a pequeña escala, como las nubes y las variaciones de precisión, que son difíciles de simular con precisión para los modelos tradicionales. Al utilizar datos meteorológicos históricos recopilados por el ECMWF para su entrenamiento, NeuralGCM ha logrado resultados significativos en la mejora de la velocidad y precisión de las previsiones, especialmente en simulaciones de alta resolución, superando los modelos climáticos existentes y aportando nuevas esperanzas y posibilidades al campo de la ciencia climática y la predicción meteorológica.
-Rae Li, periodista de BTW Ver también: Ziggo Group nombra a sus líderes antes de su salida a bolsa en Ámsterdam en 2027.

¿Qué ha ocurrido?

NeuralGCM se centra en procesos climáticos a pequeña escala que son difíciles de capturar con precisión para los modelos tradicionales, como las nubes y los cambios de precisión, y demuestra el potencial de mejorar la velocidad y precisión de las previsiones al ser entrenado con datos meteorológicos históricos recopilados por el ECMWF. Fue desarrollado utilizando el marco de aprendizaje automático JAX de Google, que permite que el modelo se ejecute de forma nativa en aceleradores como TPUs o GPUs, lo que se traduce en mejoras significativas en velocidad y eficiencia.

Google afirma que la versión de resolución de 1,4 grados del modelo NeuralGCM es más de 3.500 veces más rápida que el modelo X-SHiELD. El código fuente y los pesos del modelo NeuralGCM se han publicado bajo una licencia no comercial en GitHub para uso público. Los investigadores esperan incorporar eventualmente otros aspectos del sistema climático de la Tierra, como los océanos y el ciclo del carbono, en el modelo, lo que permitiría a NeuralGCM hacer predicciones en escalas temporales más largas, yendo más allá de la predicción meteorológica hasta el nivel de predicción climática. Ver también: Asociación ECHOES.

Lea también: ¿Qué hace DataRobot? Automatización de IA y aprendizaje automático

Lea también: ¿Qué es DataRobot? Revolucionando el aprendizaje automático y la IA

Por qué es importante

El modelo NeuralGCM puede indicar el gran potencial de la IA para mejorar las capacidades predictivas de los modelos climáticos. Los modelos NeuralGCM son capaces de simular y predecir fenómenos climáticos con mayor precisión, especialmente aquellos procesos a pequeña escala que son difíciles de capturar para los modelos tradicionales. Pueden ayudar a mejorar la precisión y velocidad de las previsiones meteorológicas y tienen importantes implicaciones para la comprensión del complejo sistema climático, la respuesta al cambio climático y la formulación de políticas relacionadas. Ver también: IT Department - Athlok.

Además, el desarrollo y la publicación de código abierto del modelo NeuralGCM ha proporcionado a la comunidad científica del clima una nueva herramienta que facilita la colaboración interdisciplinaria y el intercambio de conocimientos. Al utilizar recursos de computación de alto rendimiento, como TPUs o GPUs, los modelos NeuralGCM son capaces de ejecutarse a mayor velocidad, lo que ayuda a los investigadores a realizar simulaciones y análisis climáticos de manera más eficiente. Ver también: Alejandro Estua.