El modelo de IA NVIDIA StormCast mejora el pronóstico del tiempo y la simulación climática

A medida que los huracanes, tornados y otros fenómenos meteorológicos extremos ocurren con mayor frecuencia y gravedad, resulta crucial mejorar y acelerar la investigación y la predicción del clima utilizando las últimas tecnologías. En medio de los picos de la actual temporada de huracanes en el Atlántico, NVIDIA Research anunció un revolucionario modelo de IA generativa, StormCast, para emular la dinámica atmosférica de alta fidelidad, según Blog de NVIDIA.

Funciones avanzadas de StormCast

StormCast permite realizar pronósticos meteorológicos confiables a escala mesoscópica, una escala mayor que la de las tormentas pero menor que la de los ciclones, lo cual es esencial para la planificación y mitigación de desastres. El avance se produce en un momento en que los fenómenos meteorológicos extremos cobran vidas, destruyen hogares y causan daños por más de 150 mil millones de dólares cada año sólo en los Estados Unidos.

StormCast, detallado en un artículo escrito en colaboración con el Laboratorio Nacional Lawrence Berkeley y la Universidad de Washington, representa un avance significativo en las aplicaciones generativas de la IA para la investigación climática y la predicción de eventos climáticos extremos en el mundo real. Este modelo de IA ayuda a los científicos a abordar desafíos de alto riesgo, como salvar vidas y proteger infraestructuras.

Integración con NVIDIA Earth-2

NVIDIA Earth-2, una plataforma gemela digital basada en la nube que combina inteligencia artificial, simulaciones físicas y gráficos por computadora, ayuda a simular y visualizar pronósticos meteorológicos y climáticos globales con una precisión y velocidad sin precedentes. Por ejemplo, en Taiwán, el Centro Nacional de Ciencia y Tecnología para la Reducción de Desastres utiliza CorrDiff, un modelo de IA generativa de NVIDIA propuesto como parte de Earth-2, para predecir detalles de tifones a pequeña escala.

CorrDiff puede resolver datos atmosféricos a una escala de 25 kilómetros con una resolución 12,5 veces mayor, hasta 2 kilómetros, 1.000 veces más rápido y utilizando 3.000 veces menos energía para una sola inferencia que los métodos tradicionales. Esta eficiencia reduce significativamente los costos, lo que permite realizar tareas que potencialmente salvan vidas a un costo menor.

Impacto regional a global

La investigación climática global a menudo comienza a escalas regionales, donde los riesgos físicos derivados del tiempo y el cambio climático pueden variar ampliamente. La predicción numérica del tiempo confiable a este nivel conlleva importantes costos computacionales debido a la alta resolución espacial requerida para representar los movimientos dinámicos de fluidos en la mesoescala.

Los modelos de convección (CAM) son útiles para monitorear la evolución y estructura de las tormentas y comprender los riesgos físicos asociados con las condiciones climáticas a nivel de infraestructura. Estos modelos tradicionalmente requieren compensaciones en términos de resolución, tamaño del conjunto y accesibilidad. Sin embargo, los modelos de aprendizaje automático entrenados con datos globales se han convertido en emuladores útiles de modelos numéricos de predicción meteorológica, mejorando los sistemas de alerta temprana para eventos severos.

StormCast, que se basa en la radiodifusión generativa, ahora puede pronosticar el tiempo en una escala horaria de 3 kilómetros. Cuando se aplica a radares de precipitación, el modelo proporciona pronósticos con tiempos de anticipación de hasta seis horas, que son hasta un 10 por ciento más precisos que el CAM operativo de 3 kilómetros (NOAA) de última generación de la Administración Nacional Oceánica y Atmosférica de Estados Unidos.

Colaboración científica y perspectivas de futuro

Los investigadores de NVIDIA entrenaron a StormCast con aproximadamente tres años y medio de datos climáticos de la NOAA del centro de Estados Unidos, utilizando NVIDIA Accelerated Computing para acelerar los cálculos. Los resultados del modelo exhiben dinámicas de calor y humedad físicamente realistas y pueden predecir más de 100 variables, lo que permite a los científicos confirmar la evolución realista en 3D de la flotabilidad de una tormenta.

“Dada la magnitud de los impactos de las tormentas organizadas y las precipitaciones invernales, así como los grandes desafíos en su predicción confiable, la producción de pronósticos meteorológicos conjuntos a escala de tormentas legibles por computadora representa uno de los principales desafíos en la predicción numérica del tiempo”, dijo Tom Hamill, director de innovación de The Weather Company. “StormCast es un modelo extraordinario que aborda estos desafíos, y The Weather Company se complace en colaborar con NVIDIA para desarrollar, evaluar y potencialmente utilizar estos modelos de pronóstico basados ​​en aprendizaje profundo”. »

Imme Ebert-Uphoff, directora de aprendizaje automático del Instituto Cooperativo para la Investigación de la Atmósfera de la Universidad Estatal de Colorado, dijo: “El desarrollo de modelos meteorológicos de alta resolución requiere algoritmos de IA para resolver la convección, lo que constituye un enorme desafío. Una nueva investigación de NVIDIA explora el potencial para lograr esto con modelos de transmisión como StormCast, lo que representa un paso importante hacia el desarrollo de futuros modelos de IA para pronósticos meteorológicos de alta resolución. »

Con la aceleración y visualización de simulaciones climáticas físicamente precisas, NVIDIA Earth-2 marca el comienzo de una nueva era vital de investigación climática, destacando la importancia de la IA generativa para abordar los desafíos climáticos globales.

Fuente de la imagen: Shutterstock