Новый алгоритм прогнозирования погоды, получивший название Aardvark Weather, был представлен исследователями в четверг, 20 марта, и опубликован в журнале Nature. Его отличительной особенностью является принципиально новый подход, позволяющий генерировать прогнозы в десятки раз быстрее по сравнению с традиционными системами.
Система способна выдавать результаты, используя лишь малую часть вычислительных мощностей, задействуемых в стандартных методах, при этом обходя многократные этапы настройки физических моделей. Такой прорыв реализован за счет применения методов машинного обучения напрямую к необработанным данным.
Aardvark Weather работает с данными, поступающими от спутников, метеостанций, кораблей и метеорологических зондов, потребляя всего 8% от объема наблюдательных данных, используемых в традиционных системах. Особое внимание уделяется спутниковым данным, что позволяет повысить эффективность обработки.
Прогнозы системы генерируются на обычном настольном компьютере за считанные минуты, что значительно снижает затраты на использование суперкомпьютеров. Результаты, полученные алгоритмом, превосходят показатели национальной системы Global Forecast System и сопоставимы с прогнозами, предоставляемыми Службой погоды США.
Работа системы осуществляется с разрешением 1,5 градуса по широте и долготе, что уступает более высокой точности традиционных моделей с сеткой 0,25 градуса. Несмотря на это, Aardvark Weather демонстрирует высокую эффективность при анализе глобальных погодных процессов и широкого спектра атмосферных явлений, включая динамику океанов и прогнозирование морского льда.
Ричард Тёрнер из Кембриджского университета отметил: «Системы прогнозирования погоды, на которые мы полагаемся, разрабатывались десятилетиями, а за 18 месяцев удалось создать нечто конкурентоспособное, используя лишь десятую часть данных на обычном компьютере». Соавтор исследования, Анна Аллен, добавила: «Эти результаты – лишь начало возможностей Aardvark», подчеркнув потенциал системы в прогнозировании ураганов, лесных пожаров и торнадо, а также в оценке более широких процессов, таких как качество воздуха и динамика морского льда.
Традиционные методы полагаются на сложные физические модели, требующие многократного ввода данных и нескольких часов работы суперкомпьютеров, что существенно удлиняет цикл получения прогноза. Новый подход, обходящий этапы физического моделирования, демонстрирует революционное применение технологий машинного обучения в метеорологии.
Эксперт Скотт Хоскинг из The Alan Turing Institute подчеркнул: «Прорыв Aardvark заключается не только в скорости, но и в доступности». Переход от суперкомпьютеров к настольным ПК открывает возможность демократизировать технологии прогнозирования погоды, что особенно актуально для развивающихся стран и регионов с недостатком данных, а также стимулирует развитие аналогичных проектов, таких как инициативы Google в области предсказания климатических катастроф.
Изображение носит иллюстративный характер
Система способна выдавать результаты, используя лишь малую часть вычислительных мощностей, задействуемых в стандартных методах, при этом обходя многократные этапы настройки физических моделей. Такой прорыв реализован за счет применения методов машинного обучения напрямую к необработанным данным.
Aardvark Weather работает с данными, поступающими от спутников, метеостанций, кораблей и метеорологических зондов, потребляя всего 8% от объема наблюдательных данных, используемых в традиционных системах. Особое внимание уделяется спутниковым данным, что позволяет повысить эффективность обработки.
Прогнозы системы генерируются на обычном настольном компьютере за считанные минуты, что значительно снижает затраты на использование суперкомпьютеров. Результаты, полученные алгоритмом, превосходят показатели национальной системы Global Forecast System и сопоставимы с прогнозами, предоставляемыми Службой погоды США.
Работа системы осуществляется с разрешением 1,5 градуса по широте и долготе, что уступает более высокой точности традиционных моделей с сеткой 0,25 градуса. Несмотря на это, Aardvark Weather демонстрирует высокую эффективность при анализе глобальных погодных процессов и широкого спектра атмосферных явлений, включая динамику океанов и прогнозирование морского льда.
Ричард Тёрнер из Кембриджского университета отметил: «Системы прогнозирования погоды, на которые мы полагаемся, разрабатывались десятилетиями, а за 18 месяцев удалось создать нечто конкурентоспособное, используя лишь десятую часть данных на обычном компьютере». Соавтор исследования, Анна Аллен, добавила: «Эти результаты – лишь начало возможностей Aardvark», подчеркнув потенциал системы в прогнозировании ураганов, лесных пожаров и торнадо, а также в оценке более широких процессов, таких как качество воздуха и динамика морского льда.
Традиционные методы полагаются на сложные физические модели, требующие многократного ввода данных и нескольких часов работы суперкомпьютеров, что существенно удлиняет цикл получения прогноза. Новый подход, обходящий этапы физического моделирования, демонстрирует революционное применение технологий машинного обучения в метеорологии.
Эксперт Скотт Хоскинг из The Alan Turing Institute подчеркнул: «Прорыв Aardvark заключается не только в скорости, но и в доступности». Переход от суперкомпьютеров к настольным ПК открывает возможность демократизировать технологии прогнозирования погоды, что особенно актуально для развивающихся стран и регионов с недостатком данных, а также стимулирует развитие аналогичных проектов, таких как инициативы Google в области предсказания климатических катастроф.
