La prestigiosa revista científica Nature publica un artículo sobre el modelo de IA Pangu Weather, elaborado por investigadores de HUAWEI CLOUD

Latin America - español

• USA - English
• USA - English
• USA - čeština
• Middle East - Arabic

El modelo meteorológico muestra un sólido rendimiento en comparación con la predicción tradicional en velocidad y precisión

SHENZHEN, China, 6 de julio de 2023 /PRNewswire/ -- HUAWEI CLOUD anunció que Nature, una de las principales revistas científicas del mundo, publicó un artículo sobre su innovador modelo de IA Pangu Weather.

La publicación marca la primera vez que los empleados de una empresa tecnológica china son los únicos autores de una publicación en Nature, según Nature Index. El artículo, que describe cómo desarrollar un sistema global preciso y exacto de pronóstico meteorológico con IA basado en el aprendizaje profundo utilizando 43 años de datos, apareció en la prestigiosa revista el 5 de julio de 2023.

Pangu-Weather es el primer modelo de predicción con IA en demostrar mayor precisión que los métodos tradicionales numéricos de previsión meteorológica. El modelo permite una mejora de 10.000 veces en la velocidad de predicción, lo que reduce el tiempo de previsión meteorológica global a solo segundos. El artículo, titulado "Accurate medium-range global weather forecasting with 3D neural networks" ("Pronóstico meteorológico global preciso de mediano alcance con redes neuronales 3D"), ofrece verificaciones independientes de estas capacidades.

Pangu-Weather desafía los supuestos anteriores de que la precisión de las previsiones meteorológicas con IA es inferior a las previsiones numéricas tradicionales. El modelo, desarrollado por el equipo de HUAWEI CLOUD, es el primer modelo de predicción de IA con mayor precisión que los métodos de predicción numérica tradicionales.  

Con el rápido desarrollo del poder informático durante los últimos 30 años, la precisión de las previsiones meteorológicas numéricas ha mejorado drásticamente, proporcionando alertas de desastres extremos y predicciones del cambio climático. Sin embargo, el método sigue demandando gran cantidad de tiempo. Para mejorar las velocidades de predicción, los investigadores han estado explorando cómo utilizar métodos de aprendizaje profundo. Sin embargo, la precisión de las previsiones basadas en IA para pronósticos a mediano y largo plazo ha seguido siendo inferior a las previsiones numéricas. La IA no ha podido predecir condiciones climáticas extremas e inusuales como los tifones.

Cada año, hay alrededor de 80 tifones en todo el mundo. En 2022, solo en China, la pérdida económica directa causada por tifones fue de 5.420 millones de yuanes, según las cifras del Ministerio de Gestión de Emergencias de China. Cuanto antes se puedan enviar advertencias, más fácil y mejor será realizar las preparaciones adecuadas.

Debido a su velocidad, los modelos de pronóstico meteorológico con IA han sido atractivos, pero carecen de precisión por dos razones. En primer lugar, los modelos de pronóstico meteorológico con IA existentes se basan en redes neuronales 2D que no pueden procesar bien datos meteorológicos 3D no uniformes. En segundo lugar, el pronóstico meteorológico de mediano alcance puede sufrir errores acumulativos de previsión cuando el modelo se emplea demasiadas veces.

Cómo aborda Pangu-Weather estos desafíos

Durante los ensayos científicos, el modelo Pangu-Weather ha demostrado su mayor precisión en comparación con los métodos tradicionales de predicción numérica para pronósticos de 1 hora a 7 días, con un aumento de velocidad de predicción de 10.000 veces. El modelo puede predecir con precisión en cuestión de segundos características meteorológicas específicas como humedad, velocidad del viento, temperatura y presión del nivel del mar.

El modelo utiliza una arquitectura 3D Earth-Specific Transformer (3DEST) para procesar datos meteorológicos 3D complejos no uniformes. Mediante una estrategia jerárquica y temporal de agregación, el modelo fue entrenado para diferentes intervalos de pronóstico, utilizando intervalos de 1 hora, 3 horas, 6 horas y 24 horas. Esto dio como resultado una minimización de la cantidad de iteraciones para predecir una condición meteorológica en un momento específico y una reducción de pronósticos erróneos.

Con el fin de capacitar el modelo para intervalos de tiempo específicos, los investigadores entrenaron 100 épocas (ciclos) utilizando muestras por hora de los datos meteorológicos de 1979-2021. Cada uno de los submodelos que resultaron requirieron 16 días de entrenamiento en 192 tarjetas gráficas V100. El modelo Pangu-Weather ahora puede completar pronósticos meteorológicos globales las 24 horas en solo 1,4 segundos en una tarjeta gráfica V100, una mejora de 10.000 veces en comparación con la predicción numérica tradicional.

Al explicar por qué el equipo de IA de HUAWEI CLOUD eligió enfocarse en las predicciones meteorológicas, el Dr. Tian Qi, científico principal de HUAWEI CLOUD AI Field, IEEE Fellow y académico de la International Eurasian Academy of Sciences, explicó: "La previsión meteorológica es uno de los escenarios más importantes en el campo de la computación científica porque la predicción del clima es un sistema muy complejo, pero es difícil abarcar todos los aspectos del conocimiento matemático y físico. Por lo tanto, nos complace que nuestra investigación haya sido reconocida por la revista Nature. Los modelos de IA pueden minar leyes estadísticas de evolución atmosférica a partir de datos masivos. En la actualidad, Pangu-Weather principalmente completa la labor del sistema de previsión, y su mayor habilidad es predecir la evolución de los estados atmosféricos. Nuestro objetivo final es construir un marco de pronóstico meteorológico de última generación utilizando tecnologías de IA para fortalecer los sistemas de previsión existentes".

Al comentar sobre la importancia y la calidad de la investigación de HUAWEI CLOUD, los revisores académicos de Nature explicaron que no solo es muy fácil de descargar y ejecutar Pangu-Weather, sino que se ejecuta rápidamente incluso en una computadora de escritorio. Esto significa que cualquier persona de la comunidad meteorológica ahora puede ejecutar y probar estos modelos a su antojo. Qué gran oportunidad para que la comunidad explore lo bien que el modelo predice fenómenos específicos. Esto ayudará con el progreso en este campo. Otro examinador señaló que los resultados en sí mismos eran un paso importante más allá de los resultados anteriores. Este trabajo hará que las personas reevalúen cómo se verían los modelos de previsión en el futuro.

En mayo de 2023, el tifón Mawar captó la atención mundial como el ciclón tropical más fuerte del año hasta ahora. Según la Administración Meteorológica de China, Pangu-Weather predijo con precisión la trayectoria del tifón Mawar cinco días antes de que cambiara el rumbo en las aguas orientales de las islas de Taiwán.

Además, para avanzar continuamente en modelos líderes de previsión meteorológica de IA, también es esencial contar con entornos estables en la nube, conjuntos de trabajo y labores de O&M correspondientes.

FUENTE HUAWEI CLOUD