Prestiżowe czasopismo naukowe Nature publikuje artykuł na temat opartego na sztucznej inteligencji modelu pogodowego Pangu Weather autorstwa badaczy z HUAWEI CLOUD

USA - Polski

• USA - English
• USA - English
• USA - čeština

Model meteorologiczny charakteryzuje się dużą szybkością i dokładnością działania w porównaniu z tradycyjnymi prognozami.

SHENZHEN, Chiny, 6 lipca 2023 r. /PRNewswire/ -- Spółka HUAWEI CLOUD ogłosiła, że Nature, jedno z najważniejszych czasopism naukowych na świecie, opublikowało artykuł na temat jej przełomowego modelu pogodowego Pangu opartego na sztucznej inteligencji.

Według indeksu Nature jest to pierwsza publikacja artykułu w czasopiśmie Nature, której jedynymi autorami są pracownicy chińskiej spółki technologicznej. Artykuł, który opisuje sposób opracowania dokładnego systemu prognozowania pogody na świecie za pomocą sztucznej inteligencji i uczenia głębokiego na podstawie danych z 43 lat, pojawił się w prestiżowym czasopiśmie 5 lipca 2023 r.

Pangu-Weather jest pierwszym modelem predykcyjnym SI, który wykazuje się większą precyzją niż tradycyjne prognozy numeryczne. Model umożliwia przyspieszenie prognozy 10 tysięcy razy, ograniczając czas prognozowania pogody na świecie do kilku sekund. Artykuł zatytułowany „Accurate medium-range global weather forecasting with 3D neural networks (Dokładne średnioterminowe prognozowanie pogody na świecie za pomocą sieci neuronowych 3D)" zapewnia niezależną weryfikację tych możliwości.

Pangu-Weather kwestionuje wcześniejsze założenia, że dokładność prognozy pogody w oparciu o SI jest mniejsza niż tradycyjnych prognoz numerycznych. Model, opracowany przez zespół HUAWEI CLOUD, jest pierwszym modelem predykcyjnym SI o większej precyzji niż tradycyjne numeryczne metody predykcyjne.

Dzięki szybkiemu rozwojowi mocy obliczeniowej w ciągu ostatnich 30 lat dokładność numerycznych prognoz pogody znacznie się poprawiła i obecnie ostrzegają one o ekstremalnych zdarzeniach pogodowych i przewidują zmiany klimatu. Metoda jest jednak dość czasochłonna. Aby poprawić prędkość prognozowania, badacze przyglądają się wykorzystaniu metod uczenia głębokiego. Precyzja prognoz oparty na SI w przypadku prognoz średnio- i długoterminowych pozostaje jednak niższa niż prognoz numerycznych. SI w większości przypadków nie jest w stanie przewidzieć ekstremalnych i nietypowych zdarzeń pogodowych, takich jak tajfuny.

Każdego roku na świecie występuje około 80 tajfunów. Według danych chińskiego ministerstwa zarządzania kryzysowego w 2022 r. w samych Chinach bezpośrednie straty ekonomiczne powstałe w wyniku tajfunów wyniosły 5,42 mld juanów. Ich wcześniej zostaną przekazane ostrzeżenia, tym łatwiej i lepiej dokonać odpowiednich przygotowań.

Dotychczas modele prognozowania pogody w oparciu o SI były atrakcyjne ze względu na szybkość, ale brakowało im precyzji z dwóch powodów. Po pierwsze, dotychczasowe modele prognoz meteorologicznych w oparciu o SI opierają się na sieciach neuronowych 2D, więc nie mogą dobrze przetwarzać niejednolitych danych meteorologicznych 3D. Po drugie, średnioterminowe prognozy pogody mogą być obciążone sumarycznym błędem predykcyjnym, jeśli model zostanie wywołany zbyt dużą liczbę razy.

Jak Pangu-Weather radzi sobie z tymi wyzwaniami

Podczas badań naukowych model Pangu-Weather wykazał się dużą precyzją w porównaniu do tradycyjnych numerycznych modeli predykcyjnych prognoz jednogodzinnych do siedmiodniowych, przy przyspieszeniu przewidywania o 10 tysięcy razy. Model może dokładnie przewidywać w ciągu kilku sekund szczegółowe dane meteorologiczne, takie jak wilgotność powietrza, prędkość wiatru, temperatura i ciśnienie atmosferyczne na poziomie morza.

Model korzysta z architektury 3D Earth-Specific Transformer (3DEST) do przetwarzania złożonych niejednolitych danych meteorologicznych 3D. Na podstawie hierarchicznej czasowej strategii agregacji model został przeszkolony pod kątem różnych przedziałów czasowych prognoz – jednogodzinnego, trzygodzinnego, sześciogodzinnego i dwudziestoczterogodzinnego. Spowodowało to ograniczenie do minimum liczby powtórzeń potrzebnych do przewidzenia warunków pogodowych w określonym czasie i ograniczenie błędnych prognoz.

W celu szkolenia pod kątem określonych przedziałów czasowych badacze przeszkolili 100 epok (cykli) z wykorzystaniem godzinnych próbek danych pogodowych z lat 1979-2021. Każdy z powstałych submodeli wymagał 16-dniowego szkolenia na 192 kartach graficznych V100. Model Pangu-Weather może obecnie tworzyć prognozy 24-godzinne pogody na świecie w zaledwie 1,4 sekund na kartach graficznych V100, co stanowi wynik 10 tysięcy razy lepszy niż w przypadku tradycyjnej predykcji numerycznej.

Dr Tian Qui, główny badacz HUAWEI CLOUD w zakresie SI, członek IEEE oraz Międzynarodowej Euroazjatyckiej Akademii Nauk, wyjaśnił, dlaczego zespół ds. SI HUAWEI CLOUD zdecydował się zająć prognozowaniem pogody: „Prognozy pogody są jednym z najważniejszym scenariuszy w dziedzinie obliczeń naukowych, ponieważ prognozy meteorologiczne stanowią bardzo złożony system oraz trudno jest ująć w nim wszystkie aspekty wiedzy matematycznej i fizycznej. Bardzo się cieszymy, że nasze badania spotkały się z uznaniem czasopisma Nature. Modele SI mogą tworzyć reguły statystyczne zmian atmosferycznych na podstawie dużych zbiorów danych. Obecnie Pangu-Weather wykonuje pracę systemu prognozowania pogody, a jego główna funkcja polega na przewidywaniu zmian stanów atmosferycznych. Naszym dalszym celem jest stworzenie nowoczesnych ram prognozowania pogody z wykorzystaniem technologii SI, aby wzmocnić dotychczasowe systemy prognozujące".

Komentując znaczenie i jakość badań HUAWEI CLOUD, recenzenci naukowi z czasopisma Nature wyjaśnili, że Pangu-Weather jest nie tylko bardzo łatwy do pobrania i obsługi, ale także działa szybko nawet na zwykłym komputerze stacjonarnym. Oznacza to, ze każda osoba zajmująca się meteorologią może teraz uruchamiać i testować te modele według własnego uznania. Jest to świetna okazja dla społeczności, aby ocenić, jak model przewiduje określone zjawiska. Pomoże to w rozwoju tej dziedziny. Kolejny recenzent zauważył, że same wyniki stanowią istotny postęp w porównaniu do poprzednich rezultatów. Praca zmieni postrzeganie tego, jak modele prognozowania pogody mogą wyglądać w przyszłości.

W maju 2023 r. tajfun Mawar wstrząsnął światem jako najsilniejszy cyklon tropikalny w tym roku. Według Chińskiej Administracji Meteorologicznej Pangu-Weather dokładnie przewidział trajektorię tajfunu Mawar pięć dni przed zmianą kierunku na wodach wschodnich wysp Tajwanu.

Ponadto w kontekście dalszego rozwijania czołowych modeli prognozowania pogody w oparciu o SI znaczenie mają stabilne środowiska przetwarzania w chmurze, pakiety robocze oraz obsługa i utrzymanie.