Com o intuito de ajudar a enfrentar um dos maiores desafios da humanidade na atualidade – as mudanças climáticas -, pesquisadores do Laboratório Nacional Lawrence Berkeley (Berkeley Lab), do Instituto de Tecnologia da Califórnia (Caltech) e da empresa de tecnologia NVIDIA descobriram uma forma de emular a dinâmica atmosférica e fornecer com alta fidelidade previsões meteorológicas extremas em todo o mundo com cinco dias de antecedência.
Para treinar o modelo de aprendizado profundo do Fourier Neural Operator (FNO) – que aprende sistemas físicos complexos com precisão e eficiência – os pesquisadores usaram décadas de dados do ERA5 – o conjunto de dados de alta resolução do Centro Europeu para Previsões de Tempo Médio da Terra.
Assim, o FNO foi ampliado para 128 GPUs NVIDIA A100 no Perlmutter, o novo sistema HPC no Centro Nacional de Computação Científica de Pesquisa Energética (NERSC). A equipe desenvolveu um modelo global de previsão do tempo FNO com resolução de 30 km, uma ordem de magnitude maior do que qualquer emulador da Terra de aprendizado profundo de última geração.
Esse modelo prevê velocidades e pressões do vento em vários níveis na atmosfera com até 120 horas de antecedência com alta fidelidade. Além disso, pode prever o comportamento de certas classes de eventos climáticos extremos em todo o mundo com dias de antecedência em apenas 0,25 segundos em uma única GPU NVIDIA.
Modelos de aprendizagem profunda informados pela física, como o FNO, oferecem o potencial para previsões precisas da evolução espaço-temporal do sistema terrestre em ordens de magnitude mais rapidamente do que os modelos numéricos tradicionais.
Segundo a equipe, esse é um esforço contínuo, e eles estão investigando a precisão comparativa do aprendizado profundo e dos modelos climáticos numéricos tradicionais em colaboração com especialistas em modelagem atmosférica e previsão numérica do tempo.
Entre para comentar.