Кліматична модель поєднує в собі генеративні дані AI та фізики для прогнозування шаблонів у 25 разів швидше, ніж сучасні методи

Алгоритми, що стоять за генеративними інструментами AI, такими як Dalle, у поєднанні з даними на основі фізики, можуть бути використані для розробки кращих способів моделювання клімату Землі. Комп’ютерні вчені в Сіетлі та Сан -Дієго тепер використали цю комбінацію для створення моделі, яка здатна прогнозувати кліматичні структури понад 100 років в 25 разів швидше, ніж сучасність.

Зокрема, модель, яка називається сферичною дифузією, може спроектувати 100 років кліматичних моделей за 25 годин – моделювання, яке потребуватиме тижнів для інших моделей. Крім того, існуючі найсучасніші моделі повинні працювати на суперкомп’ютерах. Ця модель може працювати на кластерах GPU в дослідницькій лабораторії.

“Моделі глибокого навчання, керовані даними, знаходяться на межі трансформації глобального моделювання погоди та клімату”,-пишуть дослідники Каліфорнійського університету Сан-Дієго та Інститут Аллена.

Дослідницька група представляє свою роботу на конференції Nevrips 2024, 9 – 15 грудня у Ванкувері, Канада.

Наразі моделювання клімату дуже дорого створити через їх складність. Як результат, вчені та розробники політики можуть проводити моделювання лише протягом обмеженого часу та розглядати лише обмежені сценарії.

Однією з ключових розумінь дослідників було те, що генеративні моделі AI, такі як дифузійні моделі, можуть використовуватися для прогнозів клімату ансамблю. Вони поєднували це з сферичним нейронним оператором, моделлю нейронної мережі, розробленою для роботи з даними на сферу.

Отримана модель починається з знань кліматичних моделей, а потім застосовує ряд перетворень на основі вивчених даних для прогнозування майбутніх моделей.

“Однією з головних переваг перед звичайною дифузійною моделлю (DM) є те, що наша модель набагато ефективніша. Можливо, можна створити так само реалістичні та точні прогнози із звичайними ДМ, але не з такою швидкістю”, – пишуть дослідники.

Окрім того, що працює набагато швидше, ніж найсучасніший, модель також майже така ж точна, не будучи ніде поблизу, як обчислювально дорого.

У моделі є деякі обмеження, які дослідники прагнуть подолати в своїх наступних ітераціях, таких як включення більшої кількості елементів у свої моделювання. Наступні кроки включають моделювання того, як атмосфера реагує на СО₂.

“Ми наслідували атмосферу, яка є одним з найважливіших елементів кліматичної моделі”, – сказала Роуз Ю, викладач у відділі інформатики та інженерії УК Сан -Дієго та один із старших авторів статті.

Робота випливає з стажування, яке одного з докторських наук Ю. Студенти, Сальва Рулінг Кахай, зробили в Інституті Аллена для AI (AI2).