Совместная команда исследователей из Google и Европейского центра среднесрочных прогнозов погоды (ECMWF) описала новый метод прогнозирования изменений климата и погоды. Метод заключается в использовании модели ИИ NeuralGCM.
Это модель машинного обучения, разработанная на основе исторических погодных данных, собранных ECMWF, и использующая нейронные сети для дополнения более традиционных физических симуляций. Новый подход использует машинное обучение для преодоления ограничений существующих климатических моделей и, как заявляется, генерирует прогнозы быстрее и точнее, чем существующие методы.
NeuralGCM работает методом, схожим с построением прогнозов, при котором земной шар разделяется на кубы по 50-100 км с каждой стороны, а затем моделируется движение воздуха и влаги внутри них на основе законов физики. Отличие новой модели ИИ в добавленном машинном обучении, использующимся для отслеживания климатических процессов, которые не всегда хорошо изучены или происходят в меньших масштабах.
«Многие важные климатические процессы, включая облака, изменяются в гораздо меньших масштабах (от миллиметров до километров), чем кубические размеры, используемые в текущих моделях, и поэтому не могут быть рассчитаны на основе физики», — уточнил нюансы использования NeuralGCM один из создателей модели Стефан Хойер.