Климатическая модель сочетает генеративный ИИ и физические данные для прогнозирования в 25 раз быстрее существующих методов

Алгоритмы генеративного искусственного интеллекта, подобные тем, что используются в инструментах типа DallE, в сочетании с физическими данными могут быть применены для создания более совершенных методов моделирования климата Земли. Компьютерные ученые из Сиэтла и Сан-Диего использовали эту комбинацию для разработки модели, способной прогнозировать климатические паттерны на 100 лет вперед в 25 раз быстрее современных аналогов.

Конкретно, модель под названием Spherical DYffusion может спроецировать 100 лет климатических изменений за 25 часов, в то время как другим моделям для этого потребовались бы недели. Кроме того, современные передовые модели требуют для работы суперкомпьютеров, тогда как эта модель может работать на кластерах графических процессоров в исследовательской лаборатории. «Модели глубокого обучения, основанные на данных, находятся на пороге трансформации глобального моделирования погоды и климата», — пишут исследователи из Калифорнийского университета в Сан-Диего и Allen Institute for AI.

Ключевой идеей исследователей стало использование генеративных ИИ-моделей, таких как диффузионные модели, для ансамблевых климатических прогнозов. Они объединили этот подход со Сферическим Нейронным Оператором — моделью нейронной сети, разработанной для работы с данными на сфере. Получившаяся модель, начиная с известных климатических паттернов, применяет серию преобразований на основе изученных данных для предсказания будущих паттернов. Помимо значительно более высокой скорости, модель также почти столь же точна, но при этом намного менее требовательна к вычислительным ресурсам.

«Одним из главных преимуществ по сравнению с обычной диффузионной моделью является гораздо более высокая эффективность нашей модели. Возможно, столь же реалистичные и точные прогнозы можно получить и с помощью обычных DM, но не с такой скоростью», — отмечают авторы. «Мы смоделировали атмосферу, которая является одним из важнейших элементов климатической модели», — сказала Роуз Ю, сотрудник факультета компьютерных наук и инженерии UC San Diego и один из старших авторов статьи. Следующие шаги включают моделирование реакции атмосферы на CO₂.