Google a récemment publié un nouveau modèle révolutionnaire de circulation atmosphérique, NeuralGCM, dont l'efficacité de calcul est étonnamment 100 000 fois supérieure à celle des modèles physiques traditionnels. Cette avancée équivaut aux progrès totaux du calcul haute performance au cours des 25 dernières années. Cela signifie que la prévision du changement climatique inaugurera une nouvelle ère, dans laquelle les scientifiques pourront prédire le temps futur plus rapidement et avec plus de précision, et se pencher sur l'impact du changement climatique sur différentes régions du monde, comme la probabilité d'événements météorologiques extrêmes tels que les sécheresses. et les inondations et l'intensité.
Récemment, Google a réalisé une percée étonnante dans le domaine des prévisions météorologiques. Ils ont développé un nouveau modèle de circulation générale atmosphérique appelé NeuralGCM. L'efficacité de calcul de ce modèle est 100 000 fois supérieure à celle du modèle physique traditionnel, ce qui équivaut aux progrès du calcul haute performance au cours des 25 dernières années.
Le PDG de Google a annoncé les résultats sur les réseaux sociaux et a souligné que NeuralGCM fournirait aux scientifiques un nouvel outil de prévision du changement climatique. Cela aide les chercheurs à comprendre l’impact du changement climatique sur différentes régions à un moment où les températures mondiales augmentent fortement, par exemple quelles zones peuvent souffrir de sécheresses à long terme ou du risque d’inondation dans les zones côtières.
Les modèles de prévision météorologique traditionnels s'appuient généralement sur les lois de la physique, divisant la Terre en cubes d'un côté de 50 à 100 kilomètres et calculant les changements météorologiques dans ces zones. Cependant, cette méthode est trop vaste et de nombreux processus climatiques importants sont ignorés. D'autre part, NeuralGCM utilise des réseaux de neurones pour apprendre les principes physiques des événements météorologiques à petite échelle à partir de données existantes, améliorant ainsi considérablement la précision des simulations.
NeuralGCM a été formé sur des données météorologiques de 1979 à 2019 et a démontré une précision des prévisions météorologiques dépassant les modèles physiques de pointe existants en 2 à 15 jours. En termes de prévision climatique, les performances de NeuralGCM sont également assez impressionnantes, notamment en matière de prévision de température, dont l'erreur n'est qu'un tiers de celle des modèles traditionnels.
De plus, NeuralGCM est extrêmement efficace en termes de vitesse d'exécution et de coût de calcul. Par rapport aux modèles traditionnels, il est 3 500 fois plus rapide et le coût de calcul est 100 000 fois inférieur à celui de X-SHiELD. Son fonctionnement ne nécessite qu'un ordinateur ordinaire.
Le lancement de NeuralGCM marque un grand pas en avant dans le domaine de la modélisation climatique. Il offre non seulement de nouvelles possibilités pour les prévisions météorologiques futures, mais apporte également un soutien plus important à nos recherches sur le changement climatique.
Adresse papier : https://t.co/zyXhW8deko
Points forts:
? L'efficacité de calcul du modèle NeuralGCM est 100 000 fois supérieure à celle des modèles physiques traditionnels, et il peut simuler 22 jours de météo en 30 secondes !
La précision de NeuralGCM surpasse les modèles de pointe existants dans les prévisions météorologiques allant de 2 à 15 jours.
? Son coût de calcul est 100 000 fois inférieur à celui du modèle traditionnel et il peut être exécuté efficacement avec des ordinateurs ordinaires.
L'émergence de NeuralGCM a apporté une efficacité et une précision sans précédent aux prévisions climatiques et météorologiques, fournissant un outil puissant pour faire face au changement climatique, indiquant des prévisions climatiques plus précises et des stratégies de réponse plus efficaces à l'avenir.