Google Research ha anunciado el lanzamiento de NeuralGCM, un innovador modelo de libre acceso que integra física y aprendizaje automático para mejorar significativamente las predicciones meteorológicas y climáticas. Este avance representa un potencial ahorro sustancial en potencia computacional en comparación con los simuladores convencionales.
NeuralGCM ha sido diseñado para reducir la incertidumbre en las previsiones a largo plazo y estimar fenómenos meteorológicos extremos, desafiando los límites de los modelos tradicionales de circulación general. Estos últimos, que son fundamentales en la predicción del clima, se basan en solucionadores numéricos para dinámicas a gran escala y ajustes para procesos a pequeña escala como la formación de nubes.
El equipo de Google Research, liderado por Stephan Hoyer, ha demostrado que NeuralGCM puede competir con la precisión del Centro Europeo de Predicción Meteorológica a Medio Plazo en previsiones de 1 a 15 días. En comparación con modelos físicos como X-SHiELD, NeuralGCM ha mostrado una mejora significativa en la precisión y eficiencia computacional.
Para predicciones de temperaturas y humedad globales para el año 2020, NeuralGCM redujo el error entre un 15% y un 50% en comparación con X-SHiELD, completando estas predicciones en tan solo 8 minutos frente a los 20 días requeridos por el modelo físico. Incluso en previsiones climáticas a 40 años, NeuralGCM demostró ser consistente con las tendencias observadas de calentamiento global, superando modelos climáticos previos en la predicción de ciclones y sus trayectorias.
NeuralGCM is a method that combines traditional physics-based modeling with ML to accurately and efficiently simulate Earth's atmosphere. Learn how NeuralGCM marks a significant step towards developing more powerful and accessible climate models. → https://t.co/85cmhUjPfv pic.twitter.com/Q89fWj9Q1l
— Google AI (@GoogleAI) July 22, 2024
Los investigadores de Google Research destacan que NeuralGCM abre nuevas posibilidades al combinar la precisión de los modelos basados en la física con la eficiencia del aprendizaje automático. Este modelo ha sido puesto a disposición del público en GitHub, permitiendo a la comunidad científica acceder y colaborar con él.
NeuralGCM se entrenó con datos del ERA5, un conjunto de datos de acceso libre que ofrece una detallada reconstrucción tridimensional de la atmósfera terrestre de los últimos 80 años proporcionada por el Centro Europeo de Predicción Meteorológica a Medio Plazo. Google también ha expresado su interés en que NeuralGCM forme parte de los modelos experimentales de inteligencia artificial del centro.
Este avance se suma a otros desarrollos recientes de Google, como GraphCast, un modelo que según DeepMind, otra división de la empresa, mejora significativamente las alertas sobre fenómenos meteorológicos extremos mediante el aprendizaje automático.
Con NeuralGCM, Google Research no solo redefine las capacidades de predicción meteorológica y climática, sino que también abre nuevas vías para avanzar en la comprensión y la mitigación del cambio climático a través de la tecnología y la innovación.
Más historias
Cómo identificar la deficiencia de hierro en el organismo
El muralismo de dioses prehispánicos revive en el arte urbano de México
Evita sorpresas peligrosas: objetos prohibidos en tu carro