Моделирование климата становится более реалистичным с помощью искусственного интеллекта

Исследователи из Технического университета Мюнхена (TUM) и Потсдамского института изучения климатических изменений (PIK) применили методы машинного обучения, используемые для генерации изображений, чтобы повысить точность климатических моделей в предсказании экстремальных осадков. Результаты работы опубликованы в журнале Nature Machine Intelligence.

Точное моделирование экстремальных осадков остаётся серьёзной проблемой для климатических моделей из-за недостаточной изученности некоторых процессов и высоких вычислительных затрат. Учёные использовали генеративно-состязательные сети (GANs), которые обычно применяются для создания и улучшения изображений. Алгоритм обучили на реальных погодных данных, чтобы "дорабатывать" результаты относительно простой климатической модели, делая их неотличимыми от фактических наблюдений.

Этот подход позволяет повысить детализацию и реалистичность климатических прогнозов без усложнения самих моделей и роста энергопотребления. Поскольку климатические модели работают на суперкомпьютерах, а их расчёты длятся десятилетиями, применение обученной GAN требует незначительных дополнительных вычислений. "Использование GAN для улучшения климатических моделей практично не только для повышения качества симуляций, но и с точки зрения экономии электроэнергии", — отмечает ведущий автор исследования Филипп Хесс.