Опрос
|
реклама
Быстрый переход
ИИ-система Aardvark Weather заменит суперкомпьютеры в прогнозировании погоды
23.03.2025 [08:28],
Дмитрий Федоров
Учёные Кембриджского университета представили Aardvark Weather — ИИ-систему для прогнозирования погоды, которая позволяет формировать как глобальные, так и локальные прогнозы за считанные минуты с использованием обычного настольного компьютера. В сравнении с традиционными подходами, Aardvark обеспечивает предсказания в десятки раз быстрее и при этом требует в тысячи раз меньше вычислительных ресурсов. 
Источник изображения: Brian McGowan / Unsplash Aardvark Weather была разработана в Кембриджском университете (University of Cambridge) при участии Института Алана Тьюринга (The Alan Turing Institute), Microsoft Research и Европейского центра среднесрочных прогнозов погоды (ECMWF). Скорость и эффективность метеорологических моделей имеют решающее значение: традиционные методы опираются на ресурсоёмкие суперкомпьютеры и труд множества специалистов, тогда как формирование прогноза зачастую занимает несколько часов. В этом контексте Aardvark демонстрирует принципиально новый подход, устраняя необходимость в громоздкой инфраструктуре. Последние разработки таких технологических гигантов, как Huawei, Google и Microsoft, показали, что ИИ способен значительно улучшить отдельные компоненты метеорологического моделирования. Особенно важными стали достижения в области алгоритмов, моделирующих динамику атмосферы во времени. Интеграция ИИ в эти процессы уже привела к ускорению расчётов и повышению точности метеопрогнозов. Яркий пример — компания Google, разрабатывающая модели на базе ИИ и предлагающая два таких решения корпоративным клиентам своей облачной платформы. Эти модели, созданные исследователями лаборатории Google DeepMind, используют исторические метеоданные и позволяют предсказывать погодные условия на срок от 10 до 15 дней вперёд. В отличие от гибридных подходов, Aardvark полностью заменяет традиционную многоступенчатую схему прогнозирования единой моделью машинного обучения (ML). Используя стандартный настольный компьютер, система обрабатывает данные из различных источников, включая спутники и метеостанции, и формирует прогнозы в течение нескольких минут. Профессор Ричард Тёрнер (Richard Turner) с инженерного факультета Кембриджского университета, возглавивший исследование, заявил: «Aardvark переосмысливает существующие методы прогнозирования погоды, позволяя получать прогнозы быстрее, дешевле, гибче и точнее, чем когда-либо прежде. Aardvark в тысячи раз быстрее всех прежних методов прогнозирования погоды». В перспективе Aardvark сможет формировать прогнозы на 8 дней вперёд с высокой степенью точности, что на 3 дня превышает горизонт современных систем. Несмотря на то, что система использует лишь часть объёма данных, задействованных в традиционных моделях, Aardvark демонстрирует результаты, превосходящие показатели американской Национальной системы прогнозирования (GFS) по нескольким ключевым метрикам. При этом она остаётся сопоставимой по точности с прогнозами Национальной метеорологической службы США (NWS), где обычно применяется комбинация моделей и экспертный анализ. 
Источник изображения: NASA По словам Анны Аллен (Anna Allen), первого автора исследования из факультета компьютерных наук и технологий Кембриджского университета, реализованный в системе подход сквозного машинного обучения может быть легко адаптирован для решения других задач климатического моделирования — от прогнозирования ураганов, торнадо и лесных пожаров до оценки качества воздуха, динамики океанических течений и предсказания морского льда. Одним из наиболее примечательных свойств Aardvark является её архитектурная простота и высокая гибкость. Благодаря тому что система обучается напрямую на метеоданных, она может быть быстро перенастроена для формирования индивидуализированных прогнозов, адаптированных под конкретные отрасли или регионы. Это может быть, например, прогноз температуры для сельского хозяйства в Африке или прогноз скорости ветра — для европейских компаний, работающих в сфере возобновляемой энергетики. Такой подход кардинально отличается от традиционных систем, настройка которых требует многолетней работы крупных команд специалистов. Подобная адаптивность может стать решающим фактором для стран с ограниченным доступом к вычислительным ресурсам и метеоданным. Как подчёркивает доктор Скотт Хоскинг (Scott Hosking) из Института Алана Тьюринга, перенос метеопрогнозирования с суперкомпьютеров на настольные машины делает высокоточные прогнозы доступными в развивающихся странах и регионах с дефицитом данных. Следующим этапом проекта станет формирование новой исследовательской группы на базе Института Алана Тьюринга. Её задачей станет изучение возможностей внедрения технологии в странах Глобального Юга, а также интеграция Aardvark в более масштабные инициативы по экологическому прогнозированию. В ОАЭ начали тестировать вызов дождя с помощью искусственных молний или нанотехнологий
28.01.2025 [21:01],
Геннадий Детинич
В свежем интервью глава Национального центра метеорологии ОАЭ (NCM) Абдулла Аль Мандус (Abdulla Al Mandous) заявил, что в эмиратах испытывают две перспективные технологии искусственного вызова осадков. Одна из них подразумевает использование нанотехнологий для посева облаков, а другая — установку электрических разрядников на крыльях самолётов или дронов. Опреснение обходится в 25 раз дороже перспективных технологий и должно уступить место дождевой воде. 
Источник изображения: ИИ-генерация Кандинский 3.1/3DNews Как и многие страны Ближнего Востока, ОАЭ в значительной степени зависят от опреснения воды для удовлетворения своих растущих потребностей. Создание опреснителей в необходимом масштабе представляется крайне затратным мероприятием, на которое приходится идти, пока нет других рабочих альтернатив. Такой альтернативой может стать искусственный вызов осадков (дождя). Однако на сегодняшний день этот процесс осуществляется путём распыления в воздухе солевых реагентов, что может привести к негативным последствиям, таким как засоление почв. Расчёты показывают, что использование наночастиц вместо солей позволяет в три раза увеличить эффективность образования осадков при прочих равных условиях. Более того, применение электростатических методов, заключающихся в вызове образования капель с помощью электрических разрядов, создаваемых разрядниками, установленными на крыльях самолётов или дронов, может повысить эффективность вызова осадков в девять раз по сравнению с засевом облаков солями. Первый такой эксперимент был проведён летом 2021 года, и он оказался успешным, вызвав обильные осадки в виде дождя. Впрочем, эмираты пока не готовы к массовому применению подобных технологий. Сильный ливень в 2024 году в Дубае буквально парализовал движение в городе, в котором исторически отсутствует ливневая канализация. Глава NCM признаёт, что инфраструктура ОАЭ — от городской до водохранилищ — не готова к обильным дождям. Предстоит ещё много работы, чтобы всерьёз говорить о регулярном вызове осадков. Наконец, пока неясно, какой технологии отдать предпочтение. Google DeepMind создала ИИ, который предсказывает погоду быстрее и точнее существующих систем
05.12.2024 [13:45],
Владимир Мироненко
Google DeepMind разработала новую модель прогнозирования погоды с помощью искусственного интеллекта (ИИ) GenCast, которая превосходит традиционные метеорологические методы по прогнозированию погоды на срок до 15 дней и, к тому же, точнее предсказывает экстремальные погодные явления. 
Источник изображения: NOAA/unsplash.com ИИ-модель GenCast рассматривает вероятность реализации нескольких сценариев для точной оценки тенденций — от выработки энергии ветра до перемещения тропических циклонов. Вероятностный метод GenCast является новым рубежом в использовании ИИ для обеспечения более качественных и быстрых ежедневных прогнозов погоды. Этот подход всё чаще используют крупные метеослужбы, пишет Financial Times. «Это знаменует собой своего рода переломный момент в развитии ИИ для прогнозирования погоды, поскольку современные необработанные прогнозы теперь поступают из моделей машинного обучения», — отметил Илан Прайс (Ilan Price), научный сотрудник Google DeepMind. Он добавил, что GenCast может быть включен в оперативные системы прогнозирования погоды, что позволит метеорологам лучше понимать тенденции и готовиться к предстоящим погодным явлениям. Новизна подхода GenCast в сравнении с предыдущими моделями машинного обучения заключается в использовании так называемых ансамблевых прогнозов, представляющих различные результаты, — метода, применяемого в современном традиционном прогнозировании погоды. Для обучения GenCast использовалась накапливавшаяся в течение четырёх десятилетий база данных Европейского центра среднесрочного прогнозирования погоды (ECMWF). Согласно публикации в Nature, модель GenCast превзошла 15-дневный прогноз ECMWF по 97,2 % из 1320 переменных, таких как температура, скорость ветра и влажность. Таким образом она превзошла по точности и охвату ИИ-модель GraphCast от Google DeepMind, представленную в прошлом году. GraphCast превзошла прогнозы ECMWF на 3–10 дней вперед примерно по 90 % показателей. Модели прогнозирования погоды на основе ИИ работают гораздо быстрее стандартных методов прогнозирования, которые полагаются на огромную вычислительную мощность для обработки данных. GenCast может сгенерировать свой прогноз всего за восемь минут, тогда как на составление прогноза с помощью традиционных методов уходят часы. По словам исследователей, ИИ-модель GenCast может быть дополнительно улучшена в части способности предсказания интенсивности крупных штормов. Также может быть увеличено разрешение её данных, чтобы соответствовать обновлениям, сделанным в этом году ECMWF. ECMWF назвал разработку GenCast «важной вехой в развитии прогнозирования погоды». Центр также сообщил, что интегрировал «ключевые компоненты» подхода GenCast в версию своей собственной системы прогнозирования ИИ с ансамблевыми прогнозами, доступную с июня. Молнии связали с рождением угрожающих космонавтам электронов-убийц в поясах Ван Аллена
19.10.2024 [11:28],
Геннадий Детинич
Учёные обнаружили связь между молниями в атмосфере Земли и появлением электронов с околосветовыми скоростями в радиационных поясах Ван Аллена вокруг планеты. В данных спутниковых наблюдений за десять лет такие события часто разделены интервалами менее секунды, что указывает на прямую связь. Это означает, что погода на Земле имеет прямое воздействие на околоземную космическую погоду, которая способна оказывать негативное влияние на спутники и космонавтов. 
Снимок грозы с борта МКС. Источник изображений: NASA Пояса Ван Аллена — это две относительно стабильных области пространства вокруг Земли, которые служат ловушкой для высокоэнергетических частиц из космоса и от Солнца. Пояса формирует магнитное поле планеты: внутренний пояс простирается от 640 до 9600 км, а внешний — от 13 500 до 58 000 км. Без этой защиты поверхность Земли была бы вычищена радиацией от всей биологической жизни. Электроника также боится частиц с высокой энергией, которые могут вызывать как сбои, так и непосредственное повреждение чипов. Группа учёных во главе с Максом Файнландом (Max Feinland) из Университета Колорадо (University of Colorado) в Боулдере проанализировала данные спутниковых наблюдений за активностью в поясах Ван Аллена в период с 1996 по 2006 год и обнаружила там 45 всплесков появления облаков высокоэнергетических электронов со скоростями, близкими к скорости света. Такие частицы легко покидали области поясов Ван Аллена и становились угрозой как космонавтам, так и спутникам на всех орбитах. Но что самое удивительное, ряд событий возникал сразу после разрядов молний в атмосфере Земли. 
Схематическое изображение поясов Ван Аллена Традиционно люди на орбите и операторы спутников предупреждаются о радиационной опасности в связи с активностью Солнца, будь то просто вспышки или выбросы корональной массы. Появление высокоэнергетических частиц с тыла никто не учитывает, однако теперь учёным нужно внимательнее изучить процесс их рождения и, не исключено, что тем самым проявится новый контур угрозы. Пока исследователи полагают, что порождаемые грозовыми разрядами электромагнитные волны — так называемые атмосферики (волны Уистлера в зарубежной литературе) — провоцируют цепную реакцию в облаках низкоэнергетических электронов в поясах Ван Аллена, что ведёт к появлению электронов-убийц и их разлёту во всех направлениях. |
© 1997—2026 3DNews
При цитировании документа ссылка на сайт с указанием автора обязательна. Полное заимствование документа является
нарушением
российского и международного законодательства и возможно только с согласия редакции 3DNews.
MWC 2018
2018
Computex
IFA 2018
