Οι ερευνητές της Google έχουν αναπτύξει ένα επαναστατικό νέο μοντέλο που ονομάζεται NeuralGCM, το οποίο συνδυάζει την τεχνητή νοημοσύνη (AI) με την παραδοσιακή μοντελοποίηση βασισμένη στη φυσική για προβλέψεις καιρού. Αυτή η υβριδική προσέγγιση στοχεύει στην επίτευξη της ακρίβειας των υφιστάμενων μοντέλων, ενώ ταυτόχρονα μειώνει σημαντικά την υπολογιστική ισχύ που απαιτείται.
Το NeuralGCM είναι ένα γενικό κυκλοφορικό μοντέλο (GCM) που χρησιμοποιεί μηχανική μάθηση για να προσεγγίσει μικρής κλίμακας ατμοσφαιρικά φαινόμενα, όπως η σχηματοποίηση νεφών. Εκπαιδεύοντας το μοντέλο με τεράστιες ποσότητες δεδομένων, μπορεί να μάθει να συλλαμβάνει αυτές τις διαδικασίες με μεγαλύτερη ακρίβεια από τις παραδοσιακές μεθόδους παραμετροποίησης. Αυτό επιτρέπει στο NeuralGCM να παράγει προβλέψεις καιρού για 2-15 ημέρες που είναι πιο ακριβείς από τα τρέχοντα μοντέλα αιχμής που βασίζονται στη φυσική.
Το σύστημα χρησιμοποιεί ένα συμβατικό μοντέλο για να επεξεργαστεί μερικές από τις μεγάλες ατμοσφαιρικές αλλαγές που απαιτούνται για να γίνει μία πρόβλεψη και στη συνέχεια ενσωματώνει την τεχνητή νοημοσύνη, για προβλέψεις σε κλίμακες μικρότερες από περίπου 25 χιλιόμετρα όπως αυτές που αφορούν σχηματισμούς νεφών ή περιφερειακά μικροκλίματα.
Οι ερευνητές ισχυρίζονται ότι το NeuralGCM μπορεί να επεξεργαστεί 70.000 ημέρες προσομοίωσης σε μόλις 24 ώρες χρησιμοποιώντας μία μόνο μονάδα επεξεργασίας τανυστών (TPU), σε σύγκριση με ένα ανταγωνιστικό μοντέλο που απαιτεί έναν υπερυπολογιστή με χιλιάδες επεξεργαστές για να προσομοιώσει μόλις 19 ημέρες. Αυτή η τεράστια υπολογιστική αποδοτικότητα θεωρείται game changer για τη μοντελοποίηση του κλίματος, καθώς επιτρέπει προσομοιώσεις υψηλότερης ανάλυσης και πιο εκτενή συνδυαστική πρόβλεψη.
Η ακρίβεια του NeuralGCM εκτείνεται πέρα από τις βραχυπρόθεσμες προβλέψεις καιρού. Όταν παρέχoνται ιστορικά δεδομένα θερμοκρασίας επιφάνειας θάλασσας, το μοντέλο μπορεί να παρακολουθήσει με ακρίβεια κλιματικούς δείκτες όπως η παγκόσμια μέση θερμοκρασία για πολλές δεκαετίες, αναπαράγοντας τις θερμοκρασίες με περισσότερη ακρίβεια συγκριτικά με τα παραδοσιακά ατμοσφαιρικά μοντέλα. Σε ανάλυση 140 χλμ., οι κλιματικές προβλέψεις του NeuralGCM παρουσιάζουν ρεαλιστικές συχνότητες και τροχιές τροπικών κυκλώνων, μια σημαντική απόδειξη της ικανότητάς του να συλλαμβάνει αναδυόμενα φαινόμενα.
Αν και το NeuralGCM μοντελοποιεί επί του παρόντος μόνο την ατμόσφαιρα της Γης, οι ερευνητές στοχεύουν τελικά να συμπεριλάβουν και άλλες πτυχές του κλιματικού συστήματος, όπως οι ωκεανοί και ο κύκλος του άνθρακα. Αυτό θα επιτρέψει στο μοντέλο να κάνει προβλέψεις σε μεγαλύτερους χρονικούς ορίζοντες, μεταβαίνοντας πέρα από τις προβλέψεις καιρού σε προβλέψεις κλίματος.
