AI 기반 기상 및 기후 모델이 예측의 미래를 변화시킬 것이라고 연구자들은 말합니다.

제작자에 따르면 새로운 일기 예보 및 미래 기후 예측 시스템은 인공 지능을 사용하여 훨씬 적은 컴퓨팅 성능을 사용하면서 최고의 기존 모델과 유사한 결과를 달성합니다.

종이에 에 게시됨 자연Google, MIT, 하버드 대학교, 유럽 중거리 일기예보 센터의 연구팀은 자신들의 모델이 막대한 “계산 비용 절감”을 제공하고 “지구 시스템을 이해하고 예측하는 데 필수적인 대규모 물리적 시뮬레이션을 향상시킬 수 있다”고 말합니다. .”

NeuralGCM 모델은 기계 학습의 발전을 사용하여 날씨 및 기후 예측을 더 빠르고 저렴하게 만드는 확립된 연구 모델 라인의 최신 모델입니다.

NeuralGCM이란 무엇입니까?

NeuralGCM 모델은 기존 모델의 최고의 기능과 기계 학습 접근 방식을 결합하는 것을 목표로 합니다.

NeuralGCM의 핵심은 소위 “일반 주기 모델”입니다. 여기에는 지구 대기의 물리적 상태에 대한 수학적 설명이 포함되어 있으며 복잡한 방정식을 풀어 미래에 무슨 일이 일어날지 예측합니다.

그러나 NeuralGCM은 또한 구름 형성과 같이 이해하기 어려운 일부 물리적 프로세스에 대해 방대한 양의 데이터에서 패턴과 규칙성을 찾는 프로세스인 기계 학습을 사용합니다. 하이브리드 접근 방식은 기계 학습 모듈의 출력이 물리 법칙과 일치하도록 보장합니다.

그런 다음 결과 모델을 사용하여 날씨를 며칠 및 몇 주 전에 예측할 수 있을 뿐만 아니라 기후 예측을 위해 몇 달 및 몇 년을 예측할 수 있습니다.

연구원들은 표준화된 예측 테스트 세트를 사용하여 NeuralGCM을 다른 모델과 비교했습니다. 날씨 벤치 23일 및 5일 예측의 경우 NeuralGCM은 다음과 같은 다른 기계 학습 기반 날씨 모델과 ​​마찬가지로 수행되었습니다. 팡고 그리고 그래프캐스트10일과 15일에 걸친 장기 예측의 경우 NeuralGCM 모델의 정확도는 기존 최고의 기존 모델과 거의 동일했습니다.

NeuralGCM 모델은 열대 저기압 및 대기 하천과 같이 흔하지 않은 기상 현상을 예측하는 데에도 성공했습니다.

왜 머신러닝인가?

기계 학습 모델은 제공되는 데이터의 패턴을 학습한 다음 이 학습을 사용하여 예측하는 알고리즘에 의존합니다. 기후 및 기상 시스템은 매우 복잡하기 때문에 기계 학습 모델에는 훈련을 위해 방대한 양의 역사적 관측과 위성 데이터가 필요합니다.

훈련 과정은 매우 비용이 많이 들고 많은 컴퓨터 성능이 필요합니다. 그러나 모델이 훈련된 후에는 예측에 사용하는 것이 빠르고 저렴합니다. 이는 일기예보에 대한 매력의 큰 부분입니다.

높은 훈련 비용과 낮은 사용 비용은 다른 유형의 기계 학습 모델과 유사합니다. 예를 들어 GPT-4, 그것은 말했다 그의 훈련은 몇 달이 걸렸고 미화 1억 달러가 넘는 비용이 들었지만 그는 어떤 질문에도 단 몇 분만에 대답할 수 있습니다.

기계 학습 모델의 한 가지 약점은 익숙하지 않은 상황(이 경우 극단적이거나 전례 없는 기상 조건)에서 어려움을 겪는 경우가 많다는 것입니다. 이를 위해서는 모델이 훈련된 데이터 이상으로 일반화하거나 추정할 수 있어야 합니다.

NeuralGCM 모델은 물리 기반 코어가 현실에 대한 기초를 제공하기 때문에 다른 기계 학습 모델보다 이 분야에서 더 나은 것으로 보입니다. 지구의 기후가 변화함에 따라 전례 없는 기상 조건이 더욱 흔해질 것이며, 머신러닝 모델이 얼마나 잘 따라갈 수 있을지 알 수 없습니다.

실제로 일일 예측을 위해 기계 학습 기반 날씨 모델을 사용하는 사람은 아직 없습니다. 그러나 이는 매우 활발한 연구 분야이며 어떤 식으로든 미래 예측에는 기계 학습이 포함될 것이라고 확신할 수 있습니다.

이 기사는 다음에서 재출판되었습니다. 대화 크리에이티브 커먼즈 라이선스에 따라. 읽다 원본 기사.