Искусственный интеллект ускоряет климатические вычисления

Исследование Мюнхенского университета имени Людвига и Максимилиана (LMU) показывает, что новые алгоритмы на основе искусственного интеллекта позволяют быстрее моделировать атмосферные взаимодействия без потери надежности. Ученые применили машинное обучение для настройки алгоритма, описывающего поведение облаков.

Проблема современных климатических моделей заключается в их вычислительной сложности. Общециркуляционные модели обычно работают на сетках с размером ячейки около 50 км, что слишком грубо для моделирования таких мелкомасштабных и динамичных процессов, как формирование облаков. Многие облака имеют протяженность всего в несколько сотен метров, но оказывают критическое влияние на климат, перенося тепло и влагу, формируя осадки и отражая солнечную радиацию. В новом исследовании, опубликованном в журнале PNAS, использовались нейронные сети для адаптивной настройки алгоритма на основе данных высокоразрешающего моделирования, явно учитывающего теплообмен в облаках.

После обучения алгоритм не только воспроизвел результаты детальной модели, разрешающей облака, но и сделал это гораздо эффективнее. По словам профессора Джорджа Крейга, этот метод обладает потенциалом для более детального описания сложных явлений и повышения качества климатических симуляций. В данном тесте ученые использовали идеализированную модель для проверки концепции. Следующим шагом станет обучение алгоритма на реальных данных.