• Группа исследователей из Google и Европейского центра среднесрочных прогнозов погоды (ECMWF) разработала новую климатическую модель NeuralGCM, которая использует искусственный интеллект для повышения скорости и точности прогнозов погоды.
  • Благодаря нейронным сетям, дополняющим традиционные физические симуляции, NeuralGCM добилась значительного прогресса в моделировании и прогнозировании климатических процессов.

Наше мнение
Исследователи Google и ECMWF представляют инновационную климатическую модель NeuralGCM.NeuralGCM использует нейронные сети для дополнения традиционных высокопроизводительных вычислений (HPC), уделяя особое внимание мелкомасштабным климатическим процессам — таким как облачность и изменения точности, — которые традиционные модели не могут точно воспроизвести. Обученная на исторических метеорологических данных, собранных ECMWF, модель NeuralGCM добилась значительных результатов в повышении скорости и точности прогнозов, особенно в симуляциях с высоким разрешением, превзойдя существующие климатические модели и открыв новые перспективы для климатологии и прогнозирования погоды.
— Rae Li, корреспондент BTW

Что произошло

NeuralGCMфокусируется на мелкомасштабных климатических процессах, которые традиционные модели с трудом улавливают точно, — например, облачность и изменения точности, — и демонстрирует потенциал повышения скорости и точности прогнозов благодаря обучению на исторических метеорологических данных, собранныхECMWF. Модель разработана с использованием фреймворка машинного обучения JAX от Google, что позволяет ей напрямую работать на таких ускорителях, как TPU или GPU, и обеспечивает значительное повышение скорости и эффективности.

Google утверждает, что версия модели NeuralGCM с разрешением 1,4 градуса более чем в 3500 раз быстрее модели X-SHiELD. Исходный код и весовые коэффициенты модели NeuralGCM опубликованы на GitHub под некоммерческой лицензией для всеобщего использования. Исследователи надеются со временем включить в модель другие компоненты климатической системы Земли — например, океаны и углеродный цикл, — что позволит NeuralGCM делать прогнозы на более длительных временных горизонтах: от прогнозов погоды до уровня климатического прогнозирования.

Читайте также:Что умеет DataRobot? Автоматизация ИИ и машинного обучения

Читайте также:Что такое DataRobot: революция в машинном обучении и ИИ

Почему это важно

Модель NeuralGCM указывает на большой потенциал искусственного интеллекта в повышении прогностических возможностей климатических моделей. Модели NeuralGCM позволяют точнее моделировать и прогнозировать климатические явления, особенно те мелкомасштабные процессы, которые традиционные модели улавливают с трудом. Они помогают повысить точность и скорость прогнозов погоды и имеют важное значение для понимания сложной климатической системы, реагирования на изменение климата и разработки соответствующей политики.

Кроме того, разработка и открытая публикация модели NeuralGCM дала климатическому сообществу новый инструмент, способствующий междисциплинарному сотрудничеству и обмену знаниями. Благодаря использованию высокопроизводительных вычислительных ресурсов, таких как TPU или GPU, модели NeuralGCM работают быстрее, что помогает исследователям эффективнее проводить климатические симуляции и анализ.