Исследователи Google DeepMind разработали модель GraphCast, способную предсказывать траектории и интенсивность ураганов значительно быстрее и точнее традиционных систем численного прогнозирования погоды. ИИ анализирует глобальные атмосферные данные и формирует прогноз на 10 дней вперед менее чем за минуту, что позволяет экстренным службам оперативнее реагировать на приближающиеся стихийные бедствия и минимизировать ущерб.
Традиционные методы прогнозирования требуют огромных вычислительных мощностей суперкомпьютеров и занимают часы для обработки сложных физических уравнений атмосферы. Модель DeepMind использует архитектуру графовых нейронных сетей, обученных на исторических данных о погоде за последние десятилетия. Это позволяет системе выявлять закономерности, которые могут ускользать от классических моделей, и предоставлять более точные данные о месте выхода урагана на сушу.
Внедрение подобных решений в метеорологические службы знаменует переход от ресурсоемких физических симуляций к гибридным подходам, где ИИ берет на себя задачу быстрой обработки данных. Это критически важно для регионов, подверженных частым тропическим циклонам, так как сокращение времени на подготовку населения напрямую влияет на спасение жизней.
Ключевые факты
- Модель GraphCast способна генерировать 10-дневный прогноз погоды менее чем за 60 секунд на одном ускорителе TPU v4.
- Система превосходит стандартную модель HRES, используемую Европейским центром среднесрочных прогнозов погоды (ECMWF), по точности предсказания траекторий ураганов.
- ИИ обучался на данных ERA5, охватывающих состояние атмосферы с 1979 по 2017 год.
- Разработка позволяет предсказывать экстремальные погодные явления с более высокой детализацией, чем традиционные численные методы.