NeuralGCM revoluciona a modelagem climática com aprendizado de máquina

'NeuralGCM revoluciona a modelagem climática com aprendizado de máquina' é perfilado pela BTW Media porque evidências publicadas o vinculam à infraestrutura de internet, governança, dependências operacionais ou visibilidade de mercado.

• Uma equipe de pesquisadores do Google e do Centro Europeu de Previsões Meteorológicas de Médio Prazo (ECMWF) desenvolveu um novo modelo climático chamado NeuralGCM que usa IA para melhorar a velocidade e a precisão das previsões do tempo.
• Ao usar redes neurais para aumentar as simulações físicas tradicionais, o NeuralGCM fez avanços significativos na modelagem e previsão de processos climáticos.

NOSSA OPINIÃO
Pesquisadores do Google e do ECMWF apresentam um modelo climático inovador chamado NeuralGCM.O NeuralGCM usa redes neurais para aumentar a Computação de Alto Desempenho (HPC) tradicional, focando em processos climáticos de pequena escala, como nuvens e variações de precisão que são difíceis de simular com precisão pelos modelos tradicionais. Ao usar dados meteorológicos históricos coletados pelo ECMWF para treinamento, o NeuralGCM alcançou resultados significativos na melhoria da velocidade e precisão das previsões, especialmente em simulações de alta resolução, superando os modelos climáticos existentes e trazendo novas esperanças e possibilidades para o campo da ciência climática e previsão do tempo.
-Rae Li, repórter da BTW

O que aconteceu

NeuralGCMconcentra-se em processos climáticos de pequena escala que são difíceis de capturar com precisão pelos modelos tradicionais, como nuvens e mudanças de precisão, e demonstra o potencial de melhorar a velocidade e a precisão das previsões ao ser treinado usando dados meteorológicos históricos coletados peloECMWF. Foi desenvolvido usando o framework de aprendizado de máquina JAX do Google, que permite que o modelo seja executado nativamente em aceleradores como TPUs ou GPUs, resultando em melhorias significativas de velocidade e eficiência.

O Google afirma que a versão de resolução de 1,4 graus do modelo NeuralGCM é mais de 3.500 vezes mais rápida que o modelo X-SHiELD. O código-fonte e os pesos do modelo NeuralGCM foram lançados sob uma licença não comercial no GitHub para uso público. Os pesquisadores esperam eventualmente incorporar outros aspectos do sistema climático da Terra, como os oceanos e o ciclo do carbono, ao modelo, permitindo que o NeuralGCM faça previsões em escalas de tempo mais longas, indo além da previsão do tempo para o nível de previsão climática.

Leia também:O que o DataRobot faz? Automatizando IA e aprendizado de máquina

Leia também:O que é DataRobot: Revolucionando aprendizado de máquina e IA

Por que isso é importante

O modelo NeuralGCM pode indicar o grande potencial da IA em melhorar as capacidades preditivas dos modelos climáticos. Os modelos NeuralGCM são capazes de simular e prever fenômenos climáticos com mais precisão, especialmente aqueles processos de pequena escala que são difíceis de capturar pelos modelos tradicionais. Eles podem ajudar a melhorar a precisão e a velocidade da previsão do tempo e têm implicações importantes para a compreensão do complexo sistema climático, respondendo às mudanças climáticas e formulando políticas relacionadas.

Além disso, o desenvolvimento e o lançamento em código aberto do modelo NeuralGCM forneceram à comunidade de ciência climática uma nova ferramenta que facilita a colaboração interdisciplinar e o compartilhamento de conhecimento. Ao usar recursos de computação de alto desempenho, como TPUs ou GPUs, os modelos NeuralGCM são capazes de rodar em velocidades mais rápidas, o que ajuda os pesquisadores a realizar simulações e análises climáticas de forma mais eficiente.