NVIDIA rilascia il modello di previsione meteorologica StormCast, l'intelligenza artificiale rende "inseguire il vento" più veloce e preciso
2024-08-24
한어Русский языкEnglishFrançaisIndonesianSanskrit日本語DeutschPortuguêsΕλληνικάespañolItalianoSuomalainenLatina
I tifoni, una "vecchia conoscenza" della natura, hanno spesso un enorme impatto sulla produzione e sulla vita delle persone con il loro incredibile potere distruttivo e i loro percorsi imprevedibili. Da giugno ad agosto di ogni anno è anche il periodo attivo per i tifoni nel Pacifico nordoccidentale. Secondo le previsioni della China Weather Network, secondo il "programma" dei tifoni per agosto di quest'anno, ci saranno da 3 a 4 tifoni nel Pacifico nordoccidentale e nel Mar Cinese meridionale ad agosto, un numero inferiore allo stesso periodo degli anni normali. Tra questi, nel mio paese si abbatteranno da 2 a 3 tifoni e i tifoni si sposteranno principalmente verso ovest e nord-ovest.
Negli ultimi anni, anche le tecnologie e gli strumenti meteorologici di "caccia al vento" sono stati in costante evoluzione e aggiornamento. Il giornalista ha appreso che Nvidia ha recentemente rilasciato StormCast, un innovativo modello di intelligenza artificiale generativa per la simulazione delle dinamiche atmosferiche ad alta fedeltà. Il punto di svolta di questo modello è che può prevedere in modo affidabile i sistemi meteorologici che non hanno ancora formato un ciclone prima che venga generata la tempesta. facendo previsioni sui tifoni un passo prima - ora è in grado di raggiungere una risoluzione spaziale di 3 chilometri e una risoluzione temporale di ogni ora.
Due mesi fa, il fondatore e CEO di Nvidia Jensen Huang ha presentato il modello CorrDiff disponibile tramite Earth-2. Secondo i rapporti, NVIDIA Earth-2 è una piattaforma cloud digital twin che integra intelligenza artificiale, simulazione fisica e grafica computerizzata. Può simulare e visualizzare le previsioni meteorologiche e climatiche su scala globale con precisione e velocità senza precedenti. CorrDiff può aumentare la risoluzione del modello da 25 chilometri a 2 chilometri. La risoluzione è 12,5 volte superiore rispetto a prima. La velocità di inferenza singola è 1000 volte più veloce rispetto al metodo tradizionale e l'efficienza energetica è aumentata di 3000 volte.
L'emergere di StormCast aggiunge una funzione di previsione autoregressiva oraria a CorrDiff, il che significa che il modello può prevedere risultati futuri sulla base dei risultati passati.
Le previsioni possono essere fatte fino a 6 ore in anticipo
I rischi fisici derivanti dalle condizioni meteorologiche e dai cambiamenti climatici variano in modo significativo da una regione all’altra. Ma poiché la simulazione dei movimenti idrodinamici fondamentali alla mesoscala richiede un’elevata risoluzione spaziale, previsioni meteorologiche numeriche affidabili a questo livello sono computazionalmente costose.
Pertanto, in passato, i ricercatori meteorologici dovevano spesso scendere a compromessi in termini di risoluzione, dimensione dell’insieme e convenienza nei modelli di previsioni meteorologiche regionali (spesso chiamati modelli ammissibili per convezione, abbreviato in CAM).
A risoluzioni inferiori, i modelli di apprendimento automatico addestrati su dati globali sono stati in grado di simulare efficacemente modelli numerici di previsione meteorologica per migliorare i sistemi di allerta precoce per eventi gravi. La risoluzione spaziale di questi modelli di machine learning è tipicamente di circa 30 chilometri e la risoluzione temporale è di 6 ore.
Con l'aiuto della tecnologia di diffusione generativa, StormCast può raggiungere una risoluzione spaziale di 3 chilometri e una risoluzione temporale di ogni ora. Il modello, se utilizzato insieme al radar delle precipitazioni, può già fornire previsioni fino a 6 ore in anticipo.
Inoltre, gli output di StormCast mostrano dinamiche di calore e umidità fisicamente realistiche e possono prevedere più di 100 variabili come temperatura, concentrazione di umidità, valori di riflettività radar del vento e delle precipitazioni a più livelli di altitudine finemente suddivisi. Ciò ha consentito ai ricercatori meteorologici di confermare per la prima volta la vera evoluzione 3D della galleggiabilità della tempesta in una simulazione meteorologica basata sull’intelligenza artificiale.
Altre innovazioni sono in arrivo
Gli scienziati stanno già esplorando come trarre vantaggio dal modello. Tom Hamill, responsabile dell’innovazione presso The Weather Company, ha dichiarato: “Poiché i temporali ordinati e le precipitazioni invernali possono avere un impatto enorme e sono estremamente difficili da prevedere in modo affidabile, la produzione di previsioni meteorologiche su scala temporale trattabili computazionalmente è una priorità che affronta chiaramente una sfida difficile nel campo della previsione meteorologica numerica. The Weather Company è entusiasta di collaborare con NVIDIA per sviluppare, valutare e utilizzare questi modelli di previsione del deep learning in futuro”.
"Lo sviluppo di modelli meteorologici ad alta risoluzione richiede l'utilizzo di algoritmi di intelligenza artificiale per risolvere i problemi di convezione, il che rappresenta una sfida difficile", ha affermato Imme Ebert-Uphoff, responsabile dell'apprendimento automatico presso il Cooperative Institute for Atmospheric Research della Colorado State University esplora l'uso di StormCast. Il potenziale del modello di iso-diffusione per raggiungere questo obiettivo rappresenta un passo importante verso lo sviluppo futuro di modelli di previsione meteorologica AI ad alta risoluzione."
Queste scoperte di ricerca non solo consentono l’accelerazione e la visualizzazione di simulazioni climatiche fisicamente accurate e creano un gemello digitale della Terra, ma dimostrano anche come NVIDIA Earth-2 abbia inaugurato una nuova e importante era della ricerca sul clima.
È stato riferito che NVIDIA Research conta centinaia di scienziati e ingegneri in tutto il mondo, concentrandosi sulla ricerca nei campi dell’intelligenza artificiale climatica, della computer grafica, della visione artificiale, dei veicoli autonomi e dei robot.
Autore: Zhang Tianchi
Testo: Zhang Tianchi Redattore: Zhang Yi Redattore: Rong Bing
Si prega di indicare la fonte quando si ristampa questo articolo.
