Исследователи из Калифорнийского университета в Сан-Диего и Института искусственного интеллекта Аллена (AI2) разработали модель Spherical DYffusion, которая способна делать климатические прогнозы в 25 раз быстрее существующих решений. В отличие от традиционных физических моделей, требующих 6 месяцев вычислений, новая система выдает результаты всего за 2 недели.
Ключевое отличие от стандартных подходов заключается в том, что Spherical DYffusion использует машинное обучение для эмуляции американской модели глобального прогнозирования FV3GFS. Система обучается на данных 10-летних проекций, после чего может самостоятельно генерировать различные сценарии развития климата.
Модель учитывает множество параметров, включая уровень выбросов CO2, солнечную радиацию и температуру океана. Благодаря стохастической природе алгоритма, при одинаковых входных данных система может генерировать различные прогнозы, что помогает лучше учитывать неопределенность и хаотичность климатической системы.
Источник новости и обложки: www.techbriefs.com