Опрос
|
реклама
Быстрый переход
Microsoft научила ИИ предсказывать погоду на шесть недель вперёд — и для этого хватит обычного CPU
15.10.2026 [17:19],
Николай Хижняк
Исследователи из Microsoft Research New England совместно с MIT и Европейским центром среднесрочных прогнозов погоды (ECMWF) представили метод на базе машинного обучения, повышающий точность метеорологических прогнозов на горизонте от двух до шести недель. При этом метод не требует огромной вычислительной мощности, и не теряет в точности на горизонте свыше двух недель, в отличие от традиционных подходов. 
Источник изображения: Unsplash / Mark König Результаты исследования метода PBC были опубликованы в журнале Nature, а сам инструмент стал доступен в формате ПО с открытым исходным кодом. Ещё до публикации научной статьи работа авторов была отмечена наградой на конкурсе AI Weather Quest, организованном ECMWF. И физические модели, и модели на базе ИИ сталкиваются со схожими трудностями при прогнозировании погоды на срок от двух недель и более. Традиционные модели пытаются имитировать сложные физические процессы в атмосфере Земли, тогда как модели на базе ИИ выявляют закономерности в исторических данных. В обоих случаях для заполнения пробелов в информации — будь то нехватка метеостанций в определённых регионах или сложные атмосферные явления, которые учёные ещё не до конца изучили, — используются приближённые значения. Способы, с помощью которых модели компенсируют недостаток данных, приводят к возникновению систематических ошибок. При составлении долгосрочных прогнозов такие ошибки накапливаются, из-за чего точность предсказаний снижается. В качестве примера приводится корректировка прогнозов с учётом климатических изменений. Выбросы парниковых газов при использовании ископаемого топлива приводят к нагреву планеты, однако метеорологические модели, опирающиеся на исторические данные, могут давать прогнозы с заниженными температурами — ниже тех, что наблюдаются в действительности.  Специалисты Microsoft назвали свою разработку «вероятностной коррекцией систематических ошибок» (Probabilistic Bias Correction, PBC). Метод предназначен для устранения систематических ошибок (смещений) в уже существующих моделях. По мнению авторов, это более доступный способ повысить точность прогнозов с помощью ИИ для метеорологических служб, располагающих ограниченными ресурсами. Исследователи обнаружили, что метод PBC повышает точность одной из ведущих физико-математических моделей погоды, разработанной ECMWF. Показатели точности улучшились для 98 % прогнозов осадков и 92 % прогнозов температуры. Кроме того, PBC позволил вдвое повысить точность новой системы прогнозирования ECMWF, использующей искусственный интеллект. Таким образом, инструмент позволит фермерам и экстренным службам по всему миру гораздо эффективнее готовиться к аномальной жаре, ураганам и затяжным ливням. В отличие от традиционных моделей, требующих ресурсов суперкомпьютеров, и генеративного ИИ, работающего на дорогих видеокартах (GPU), метод PBC отличается низкими требованиями к вычислительным ресурсам. По словам старшего ведущего исследователя Лестера Маки (Lester Mackey), разработка может работать на обычных центральных процессорах (CPU). «Я возлагаю большие надежды как на повышение эффективности использования ресурсов при прогнозировании погоды, так и на увеличение надёжности самих прогнозов — особенно в случаях экстремальных погодных явлений», — рассказал Маки в интервью изданию The Verge. Благодаря минимальным системным требованиям метеослужбы в развивающихся странах смогут адаптировать ИИ к особенностям своих регионов. Сейчас систему уже тестируют в Кении в преддверии сезона дождей. Астрономы научились предсказывать солнечные бури с точностью до получаса — это в десять раз лучше прежнего
05.08.2026 [18:26],
Сергей Сурабекянц
В марте 2025 года NASA запустило миссию Polarimeter to Unify the Corona and Heliosphere (PUNCH). В состав PUNCH входят четыре микроспутника, круглосуточно наблюдающих за Солнцем. Благодаря мониторингу выбросов корональной массы (ВКМ), команда исследователей смогла кардинально улучшить прогнозы солнечных бурь. ВКМ вызывает солнечную бурю, когда солнечные частицы от взрыва достигают атмосферы и магнитного поля Земли. 
Источник изображения: NASA Учёные использовали данные, полученные спутниками PUNCH, чтобы улучшить моделирование прогнозов солнечных бурь. Команда исследователей ввела данные в компьютерную модель, которая анализировала изменение границ ВКМ с течением времени. В конечном итоге, после анализа первых 12 часов выброса корональной массы, модель предсказала, что солнечная буря достигнет Земли через восемь часов. Точность составила полчаса, что значительно лучше, чем у существующих методов с погрешностью в пять часов. Повышенная точность объясняется тем, что до появления PUNCH приборы могли отслеживать только одну пятую часть пути ВКМ от Солнца до нашей планеты. PUNCH позволяет учёным отслеживать ВКМ на всем протяжении и даже делает снимки каждые четыре минуты. «Мы предполагали, что PUNCH справится с этим хорошо, но результат потрясающий, — заявил главный исследователь проекта PUNCH Крейг ДеФорест (Craig DeForest). — Это можно сравнить с переходом от парового двигателя к современному двигателю внутреннего сгорания в космической погоде». Солнечные бури могут вызывать геомагнитные бури в магнитном поле Земли, что, в свою очередь, может привести к помехам при передаче радиосигналов и отключениям электроэнергии. Они также могут повлиять на спутники, вращающиеся вокруг нашей планеты, и даже на стабильность интернет-соединений. Более точное прогнозирование времени возникновения солнечных бурь поможет смягчить их последствия. Учёные проекта PUNCH представили свои результаты для первоначального подтверждения концепции в статье, которая в настоящее время находится на рассмотрении в журнале Space Weather. |
© 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
