Google lanzó recientemente un nuevo y revolucionario modelo de circulación atmosférica, NeuralGCM, cuya eficiencia computacional es sorprendentemente 100.000 veces mayor que la de los modelos físicos tradicionales. Este avance equivale al progreso total en computación de alto rendimiento en los últimos 25 años. Esto significa que la previsión del cambio climático marcará el comienzo de una nueva era, en la que los científicos podrán predecir el tiempo futuro de forma más rápida y precisa, y profundizar en el impacto del cambio climático en diferentes regiones del mundo, como la probabilidad de fenómenos meteorológicos extremos como las sequías. e inundaciones e intensidad.
Recientemente, Google hizo un avance sorprendente en el campo de la previsión meteorológica. Desarrollaron un nuevo modelo de circulación general atmosférica llamado NeuralGCM. La eficiencia computacional de este modelo es 100.000 veces mayor que la del modelo físico tradicional, lo que equivale al progreso de la informática de alto rendimiento en los últimos 25 años.
El CEO de Google anunció los resultados en las redes sociales y señaló que NeuralGCM proporcionará a los científicos una nueva herramienta de predicción del cambio climático. Esto ayuda a los investigadores a comprender el impacto del cambio climático en diferentes regiones en un momento en que las temperaturas globales están aumentando considerablemente, por ejemplo, qué áreas pueden sufrir sequías a largo plazo o el riesgo de inundaciones en las zonas costeras.
Los modelos tradicionales de previsión meteorológica suelen basarse en las leyes de la física, dividiendo la Tierra en cubos con una longitud de lado de 50 a 100 kilómetros y calculando los cambios climáticos en estas áreas. Sin embargo, este método es demasiado amplio y se ignoran muchos procesos climáticos importantes. De manera diferente, NeuralGCM utiliza redes neuronales para aprender los principios físicos de eventos climáticos a pequeña escala a partir de datos existentes, lo que mejora en gran medida la precisión de las simulaciones.
NeuralGCM se entrenó con datos meteorológicos de 1979 a 2019 y demostró una precisión del pronóstico del tiempo que superó los modelos físicos de última generación existentes en un plazo de 2 a 15 días. En términos de predicción climática, el rendimiento de NeuralGCM también es bastante impresionante, especialmente en la predicción de temperatura, cuyo error es sólo un tercio del de los modelos tradicionales.
Además, NeuralGCM es extremadamente eficiente en términos de velocidad de ejecución y costo de cálculo. En comparación con los modelos tradicionales, es 3500 veces más rápido y el costo de cálculo es 100.000 veces menor que X-SHiELD. Solo requiere una computadora común para funcionar.
El lanzamiento de NeuralGCM marca un gran avance en el campo de la modelización climática. No solo brinda nuevas posibilidades para pronósticos meteorológicos futuros, sino que también brinda un mayor apoyo a nuestra investigación sobre el cambio climático.
Dirección del artículo: https://t.co/zyXhW8deko
Reflejos:
? La eficiencia computacional del modelo NeuralGCM es 100.000 veces mayor que la de los modelos físicos tradicionales y puede simular 22 días de clima en 30 segundos.
La precisión de NeuralGCM supera los modelos de última generación existentes en pronósticos meteorológicos que oscilan entre 2 y 15 días.
? Su coste informático es 100.000 veces menor que el del modelo tradicional y puede ejecutarse de manera eficiente utilizando computadoras comunes.
La aparición de NeuralGCM ha aportado una eficiencia y precisión sin precedentes a la predicción climática y la previsión meteorológica, proporcionando una herramienta poderosa para hacer frente al cambio climático, indicando una predicción climática más precisa y estrategias de respuesta más efectivas en el futuro.