Алгоритм извлекает интерпретируемую информацию из данных о погоде для улучшения ИИ-моделей

Исследователи продемонстрировали, что алгоритм Weak form Sparse Identification of Nonlinear Dynamics (WSINDy) способен извлекать из погодных данных интерпретируемые математические уравнения, описывающие физические процессы. В отличие от традиционных «чёрных ящиков» искусственного интеллекта (ИИ), таких как GraphCast, параметры которых не имеют физического смысла, WSINDy обнаруживает уравнения, отражающие взаимодействие давления, плотности и завихренности для определения скорости и направления ветра.

Эта способность имеет ключевое значение для науки. Современные высокоточные ИИ-модели прогноза погоды содержат миллионы параметров, не поддающихся физической интерпретации, что ограничивает их вклад в научное понимание атмосферных процессов. WSINDy, применённый как к смоделированным, так и к реальным глобальным данным, успешно идентифицировал известные уравнения атмосферной физики, что открывает путь не только к улучшению прогнозов, но и к получению новых физических знаний о погоде.

«Эти результаты позволяют предположить, что WSINDy может не только помочь в прогнозировании погоды, но и способствовать открытию новых физических закономерностей», — отмечают авторы. Алгоритм также перспективен для работы с зашумлёнными данными и исследуется для применения в других областях, от термоядерного синтеза до эпидемиологии.