Специалисты компании Google создали инновационный симулятор на основе искусственного интеллекта, обеспечивающий высокую точность метеорологических прогнозов при значительном сокращении объема необходимых вычислений.
Новая разработка, получившая название NeuralGCM, демонстрирует прогнозы, не уступающие по точности традиционным моделям, но требующие меньше ресурсов и времени для обработки данных.
Современные прогнозы погоды базируются на динамических моделях уравнений механики и гидродинамики, обрабатываемых мощными суперкомпьютерами. Эти модели, появившиеся около 70 лет назад, постоянно совершенствуются, но их развитие сопровождается возрастающей потребностью в вычислительных мощностях.
Учитывая ограничения существующих подходов, исследовательская группа Google в сотрудничестве с экспертами из ведущих научных учреждений применила более комплексный метод, основанный на искусственном интеллекте. Разработанная ими модель NeuralGCM объединяет преимущества традиционных методов и инновационный подход, базирующийся на машинном обучении.
Ключевым аспектом создания этого симулятора стало обучение нейронных сетей прогнозированию погоды с использованием исторических данных для закрепления полученных знаний. Исследователям удалось преодолеть проблемы, наблюдавшиеся в предыдущих экспериментах при использовании исключительно искусственного интеллекта.
NeuralGCM представляет собой "модель общей циркуляции", включающую математическое описание физического состояния земной атмосферы. Она способна решать сложные уравнения для прогнозирования погодных условий, одновременно используя машинное обучение для обеспечения соответствия результатов законам физики.
Интеграция в симулятор NeuralGCM изображений, отображающих атмосферные условия, позволила исследователям значительно улучшить понимание метеорологических взаимодействий. Даже при использовании данных низкого разрешения, NeuralGCM способен генерировать высокоточные прогнозы за короткое время вычислений.
Сравнительный анализ эффективности NeuralGCM с другими моделями, проведенный с использованием стандартного набора тестов WeatherBench 2, показал впечатляющие результаты. Для краткосрочных и среднесрочных прогнозов NeuralGCM превзошел или сравнялся по точности с лучшими традиционными моделями и эталонными моделями на основе машинного обучения.
Несмотря на достигнутые успехи, применение методов искусственного интеллекта для долгосрочного моделирования климата все еще сопряжено с определенными трудностями. Однако гибридный подход, реализованный в NeuralGCM, открывает новые перспективы в области метеорологии, управляемой искусственным интеллектом, и закладывает основу для дальнейших исследований в этом направлении.
pravda.ru
»» Нажмите, для закрытия спойлера | Press to close the spoiler «« 
