• Un equipo de investigadores de Google y el European Centre for Medium-Range Weather Forecasts (ECMWF) ha desarrollado un nuevo modelo climático llamado NeuralGCM que utiliza IA para mejorar la velocidad y precisión de las previsiones meteorológicas.
  • Al usar redes neuronales para aumentar las simulaciones físicas tradicionales, NeuralGCM ha logrado avances significativos en el modelado y la predicción de procesos climáticos.

NUESTRA OPINIÓN
Investigadores de Google y del ECMWF presentan un innovador modelo climático llamado NeuralGCM.NeuralGCM utiliza redes neuronales para aumentar la computación de alto rendimiento (HPC) tradicional, enfocándose en procesos climáticos a pequeña escala, como nubes y variaciones de precisión, que son difíciles de simular con precisión para los modelos tradicionales. Al usar datos meteorológicos históricos recopilados por el ECMWF para el entrenamiento, NeuralGCM ha logrado resultados significativos en la mejora de la velocidad y precisión de las previsiones, especialmente en simulaciones de alta resolución, superando a los modelos climáticos existentes y brindando nuevas esperanzas y posibilidades al campo de la ciencia climática y la predicción meteorológica.
-Rae Li, periodista de BTW

Lo que sucedió

NeuralGCMse centra en procesos climáticos a pequeña escala que son difíciles de capturar con precisión por 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 utilizando datos meteorológicos históricos recopilados por elECMWF. 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 resulta 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 de tiempo más largas, yendo más allá de la predicción meteorológica al nivel de predicción climática.

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

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

Por qué es importante

El modelo NeuralGCM indica 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 por los modelos tradicionales. Pueden ayudar a mejorar la precisión y velocidad de la predicción meteorológica y tienen implicaciones importantes para comprender el complejo sistema climático, responder al cambio climático y formular políticas relacionadas.

Además, el desarrollo y la publicación de código abierto del modelo NeuralGCM ha proporcionado a la comunidad de ciencia climática 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 pueden ejecutarse a mayor velocidad, lo que ayuda a los investigadores a realizar simulaciones y análisis climáticos de manera más eficiente.