nuntium

한어Русский языкEnglishFrançaisIndonesianSanskrit日本語DeutschPortuguêsΕλληνικάespañolItalianoSuomalainenLatina

Nova Sapientia Report

Editor: Editorial Department

[Introductio ad Novam Sapientiam]. Google novum ML fundatum circulationis atmosphaerae exemplar NeuralGCM proposuit, quod ordines magnitudinum calculi servat ad exempla tradita physicis fundatis comparata, et sumptus computationales per 100,000 tempora minuit, quae viginti annorum progressui in campo summus aequiparantur. perficiendi computandi. Ad dies 2-15 tempestates praenuntiat, haec methodus accuratior est quam exemplar SOTA physicum.

Mane hoc mane Google CEO Pichai cursorem in X misit, annuncians NeuralGCM maiorem perrupturam in campo climatis exemplaris fecisse!

"NeuralGCM physicam-fundatam cum intelligentia artificiali fabricando componit ad atmosphaeram 100,000 vicibus efficacius quam alia exempla simulare, phisicis novis instrumentis ad mutationem climatis praedicendam praebens".

Haec investigatio eventus etiam in Natura divulgatus est. Plurimae turmae inquisitionis ex Google Research et DeepMind oriuntur, necnon scientiarum MIT, Harvard et ECMWF.

Inscriptio charta: https://www.nature.com/articles/s41586-024-07744-y

Exemplar, quod a Google evolvit, nomine NeuralGCM, cito, efficaciter et accurate aera Telluris simulare potest.

Eius significatio est auxilium phisicis accurate praedicere de caeli terrae tempore quo terra insueta rate calefacit —

Quibus locis faciem prolixam siccitatis as global temperaturis oriri? Ubi erit frequentior inundatio maritima a maioribus tropicis procellis? Quomodo temporum incendium incendium mutabitur sicut temperaturae oriuntur?

Adversus his urgentibus quaestionibus quae solvendae sunt, translaticia physica fundata exemplar Circulationis Generalis (GCM) aliquantum extendere videtur.

NeuralGCM machina est methodus discendi fundata, quae exemplaribus physicis traditum componit ad accurationem et efficaciam simulationis valde emendandam.

Hic aditus dies 2-15 dierum tempestatum praenuntiationes gignit quae accuratiores sunt quam hodiernis exemplaribus physicae artis et temperaturas per quadraginta annos praeteritos accuratius quam exempla atmosphaerica traditum effingere.

Magni momenti notat gradus ad exempla climatis potiora et facilius-ad usum explicandum.

NeuralGCM simulavit humiditatem specificam mutationem exemplarium a die 26 Decembris 2019 ad 8 Ianuarii 2020

NeuralGCM transformat clima modeling

Etsi exemplaria climatis traditionalia per hos decennia emendaverunt, saepe patiuntur errores et bipes ob incompletam intelligentiam scientiarum quomodo opera clima Telluris et exemplaria construuntur.

Haec exempla a superficie ad atmosphaeram in cubes cum lateribus 50-100 chiliometrorum dividunt, et tunc temporis in utroque cubo mutationes tempestatum praedicunt.

Exemplar igitur motum aeris et humoris secundum leges physicas receptas generaliter computat, quae sunt fundamentum tempestatum praevidendi.

Sed forsit est quod scala 50-100 chiliometrorum vere nimis magna est.

Multi processus caeli magni ponderis, inter nubes et praecipitatio, in squamis variantur quam magnitudinum cubi minorum in exemplaribus hodiernis adhibitis (millimetris ad chiliometrorum).

Praeterea, scientia corporalis aliquorum processuum, ut nubes formationis, est incompleta.

Quam ob rem exempla haec traditionalia non solum in principiis fundamentalibus nituntur, sed etiam exemplaribus simplicioribus utuntur ad approximationes generandas quae "parameterizationes" vocantur ad parvas rationes et male intellectas processus simulandi.

Hae approximationes simplices non possunt aliter quam subtilitatem physice fundatorum exemplorum climatis minuere.

Quomodo ergo NeuralGCM hanc quaestionem solvit?

Sicut traditum exemplaribus, NeuralGCM adhuc Telluris atmosphaeram in cubos dividit et physicam magnorum rerum processuum ut aeris et aquae motum computat.

Discrimen est quod NeuralGCM approximationes "parametricas" a physicis effectas non nititur ut parvas tempestatum mutationes simulant, sed neural retia utitur ut principia physica horum eventuum ex data tempestatis existentibus discat.

Clavis innovatio NeuralGCM est quod solver numeralis pro magnis processibus in JAX renovatum est.

Hoc dat investigatores ut pedetentim optimizationem substructio utantur ad "onlines" mores systematum copulatorum per multiplices gradus temporis accommodandi.

E contra, nisus prior usus apparatus discendi ad exempla climatis augendae difficultatibus significantes obvenerunt cum stabilitate numerali, quod "offline" utuntur quae differentias inter parvas et magnas-scalas negligit, quae per tempus accumulant.

Aliud beneficium totius exemplar scribendi in JAX est quod efficaciter in TPUs et GPUs decurrit, cum exempla in CPUs traditis climatis plerumque currunt.

NeuralGCM componit dynamicas resolutorias et reticulas neurals pro physicis parvis.

Turma Google usus est ECMWF tempestatis notitia ab anno 1979 ad 2019 ad seriem NeuralGCM exemplorum instituendi ad 0.7°, 1.4° et 2.8° resolutiones.

Etsi NeuralGCM fundatur in notitia tempestatis praenuntientur, manipulus NeuralGCM designatus est ut exemplar generale atmosphaericum.

Praenoscere tempestatem accurate et caeli praedictiones

Recentes apparatus discendi (ML) exempla atmosphaerae Telluris, inter Google DeepMind's GraphCast, rerum novarum accurationem in tempestatibus praedictionibus demonstraverunt.

Ad diem, investigationes de ML praedictionibus maxime breve tempus praedictiones posuerunt, quae longe ab annis ad decennia quae ad praedictiones climatis requiruntur.

Cum praedictiones multi-decennii climatis difficilia sunt ut certo cognoscerent, turma Google aestimata NeuralGCM perficiendi in praedictis caeli-scala et tamquam exemplar tempestatis utens WeatherBench 2 probatus est stabilitus.

NeuralGCM exemplar deterministicum in 0,7° resolutione comparatur cum exemplaribus hodiernis status-of-artis secundum accurationem tempestatum praenuntientur et accuratio tempestas praenuntietur ad quinque dies.

Attamen exempla deterministica quantitatis incertae desunt, ut utiles per longum tempus praenoscere cogantur.

Praedictio signa ex leviter diversis conditionibus incipientibus generantur ad varias condiciones tempestatum aeque probabiles gignere. Hae species tempestatum probabilisticam efficiunt praenuntiationes quae plerumque accuratiores sunt quam praenotiones deterministicas.

Exemplar NeuralGCM concursus in 1.4° solutionis priorem SOTA praenuntiat in terminis accurationis praedicti ab 5 ad 15 dies.

Haec emendatio perficiendi ob hoc accidit quod NeuralGCM praedictiones tempestatum convocationes gignit, quae cum ECMWF physicae fundatae SOTA exemplar ECMWF-ENS comparantur.

In exemplaribus editis ML, NeuralGCM primus hoc facere est.

Praedictio NeuralGCM comitia accuratiora sunt quam ECMWF-ENS 95% temporis per praenotationem pervagantem ab 2 ad 15 dies.

NeuralGCM etiam outerformat exempla atmosphaerica status-of-artis in praedictionibus caeli temporis scalae.

Quia NeuralGCM solum elementum aeris Telluris atmosphaericum simulat, theam Google suam perficiendi cum exemplaribus physicis-substructis atmosphaericis comparavit.

Cum temperaturae inter 1980 et 2020 praedicere, mediocris error NeuralGCM's 2.8° exemplar deterministicum tertia est error exemplaris atmosphaerici (AMIP), vel 0.25 vs. 0,75 gradus Celsii.

Cum NeuralGCM et AMIP observantia comparet, cum 1000 hPa globalem temperaturam medium inter 1980 et 2020 praedicens.

Quia exempla atmosphaerica traditionalis difficultatem habent ad quasdam aspectus atmosphaerae Telluris simulandas, interdum phisici climatis altioribus solutionis utuntur exemplaribus ut X-STELD, quae, dum accuratiora sunt, computatione cariora sunt.

Comparari ad X-SHIELD, NeuralGCM's 1.4° exemplar deterministicum, quod 15-50% minus erratum est, praedicere 2020 humiditatem et temperiem notitiis Nationalis Oceanicae et Atmosphaeriae (NOAA).

Per 2020 simulationem climatis, NeuralGCM etiam exemplaria cycli tropici praedixerunt, quae numero et vehementia tempestatum in eadem regione illius anni observata sunt.

NeuralGCM est prima machina discendi substructio exemplaris capax ad tales formas generandas.

NeuralGCM tropicae cycli tropicae vestigia globally in 2020 praedicat (praedicta tempestas numeros et intensiones aequare numeros cycloni actuali et intensiones quae in ECMWF reanalysi v5 (ERA5) dataset)

Apertum, ieiunium et efficax

NeuralGCM ordo magnitudinis velocior est in velocitate computativa et impensa quam in exemplaribus climatis translaticiis physicis-substructis.

Exemplar eius 1.4° plus quam 3.500 vicibus velocius quam X-ShiELD, quod significat, si investigatores aeris cum X-ShiELD annuum simularent, XX dies acciperet, cum tantum 8 minutis cum NeuralGCM comparatum.

Praeterea phisicis solum computatorium egent cum uno TPU (Unit Processi Tensoris) ut NeuralGCM currendum sit, dum X-ShiELD currit, usum 13000 CPUs (Unitates Centralis) supercomputatorem requirit.

Super, sumptus computationale simulationis climatis utens NeuralGCM est 100,000 partibus humilior quam X-SHIELD, aequivalens 25 annis progressus in magni operis computandi ratione.

NeuralGCM simulat atmosphaeram velociorem quam statu-of-arte exempla physica dum praedictiones eadem accuratione generans

In hac chartula NeuralGCM cum duobus exemplaribus physicis NCAR CAM et NOAA X-SHIELD certat, numerum simulationis atmosphaerici dierum, quos in 30 secundis temporis calculi generant.

Exemplaria tria in diversis resolutionibus currunt, cum X-SCUTO summa resolutione (0.03°), NCAR CAM6 resoluto 1.0°, et NeuralGCM infima resolutione habendo (1.4°).

Dignum est memorare quod, quamvis NeuralGCM ad solutionem humilem decurrit, accurationem suam cum exemplaribus resolutionis summus comparabitur.

Dein, comparabili accuratione, videri potest NeuralGCM generare 22,8 dies simulationis atmosphaerici in 30 secundis, cum X-STELA, tamquam summus resolutio exemplaris corporis, quod supercomputare debet currere, generari tantum pro 9 non potest. minutis!

Hoc etiam excludit commoda NCAR CAM6, quae antea ab investigatoribus ob pretium computationale humile favebatur.

Turma Google fontem codicem et exemplar ponderum NeuralGCM in GitHub detexit usui non-commerciali. Sperant alii investigatores facile novas partes addere ad hypotheses probandas et exemplar functionalitatis melioris.

Accedit, quod NeuralGCM in laptop currere potest et auxilio supercomputatoris eget non, plures investigatores climatis huius civitatis exemplar arte uti possunt in suo opere.

Conclusiones et futurae directiones

NeuralGCM nunc solum atmosphaeram Telluris imitatur, sed Google theam sperat se tandem incorporare aliis aspectibus systematis climatis Telluris, sicut oceani et cycli carbonii, in exemplar.

Hoc modo NeuralGCM praedicere poterit in squamis longioribus non solum tempestatem per dies et hebdomades praedicere, sed etiam in squamis caeli.

Omnino NeuralGCM novam viam proponit ad exemplaria climata aedificanda quae citius, minus computatione sumptuosa sint, et accuratiora quam exempla exsistentia.

Notae:

https://www.nature.com/articles/s41586-024-07744-y

https://research.google/blog/fast-accurate-climate-modeling-with-neuralgcm/

https://x.com/sundarpichai/status/1815512751793721649