Дослідники з IBM і NASA випустили кліматичну модель з відкритим вихідним кодом на основі штучного інтелекту, призначену для точного прогнозування погодних умов, яка споживає менше обчислювальних ресурсів порівняно з традиційними симуляторами на основі фізики.
Розроблена в рамках співпраці між IBM і NASA за сприяння Національної лабораторії Оук-Рідж Міністерства енергетики США, модель із 2,3 млрд параметрів під назвою Prithvi WxC була навчена на 40-річних спостереженнях із набору даних NASA Modern-Era Retrospective Analysis for Research and Applications, Version 2 (MERRA-2).
Попри малий розмір моделі, дослідники стверджують, що вона змогла точно визначити глобальну температуру поверхні, використовуючи випадкову вибірку, що містить лише 5% вихідних даних. Вони також вважають, що модель особливо добре підходить для імітації поведінки ураганів і атмосферних потоків. Однак реальна перевага моделі може полягати в її гнучкості.
IBM і NASA - не єдині, хто експериментує з AI-моделями для прогнозування погоди та клімату. Наприклад, дослідники з Google детально описали новий підхід до підвищення точності прогнозів шляхом доповнення наявних фізичних моделей машинним навчанням. Водночас компанія Nvidia працює над розширенням можливостей своїх кліматичних моделей Earth-2.
Зусилля IBM і NASA відрізняє те, що Prithvi WxC - це базова модель, а отже, її можна адаптувати для вирішення будь-яких завдань - від короткострокового прогнозування погоди до довгострокових кліматичних прогнозів.
«У цій галузі з'явилися великі AI-моделі, які орієнтовані на фіксований набір даних і єдиний варіант використання - в основному на прогнозування. Ми розробили нашу базову модель погоди та клімату, щоб вийти за рамки таких обмежень, і щоб її можна було налаштувати на різні вихідні дані та використання», - сказав Хуан Бернабе-Морено (Juan Bernabe-Moreno), директор IBM Research Europe.
Щоб підтримати створення нових кліматичних моделей на основі Prithvi WxC, IBM і NASA випустили її на Hugging Face разом із парою тонко налаштованих моделей, призначених для понижувального моделювання клімату і погоди та параметризації гравітаційних хвиль.
Пониження масштабу погоди означає, що з великомасштабної моделі беруть вихідні дані низької роздільної здатності, як-от температура, опади або швидкість вітру, і за допомогою статистичних або динамічних імовірностей складають прогноз вищої роздільної здатності. З іншого боку, гравітаційні хвилі - це явище, яке впливає на різні атмосферні процеси, включно з формуванням хмар і навіть турбулентність літаків.
Мета полягає в тому, щоб дослідники в усьому світі могли використовувати ці моделі й адаптувати їх до своїх конкретних потреб, чи то поліпшення часу попередження про сувору погоду, чи то поліпшення моделювання глобального клімату.
«Модель фонду NASA допоможе нам створити інструмент, який люди зможуть використовувати для прогнозування погоди, сезонів і клімату, щоб ухвалювати рішення про підготовку, реагування та пом'якшення наслідків», - заявила Карен Сен-Жермен (Karen St Germain), директор Відділу наук про Землю NASA.
Захищені ноутбуки Getac B360 - нове покоління мобільної продуктивності для роботи в екстремальних умовах
