AI previsioni meteorologiche

AI previsioni meteorologiche

GraphCast: modello AI per previsioni meteorologiche globali più rapide e accurate

Il modello all’avanguardia fornisce previsioni meteo a 10 giorni con una precisione senza precedenti in meno di un minuto ed è made in Google.

Il meteo ci influenza tutti, in modi grandi e piccoli. Può influire su come ci vestiamo al mattino, fornirci energia verde e solare, nei casi peggiori, creare tempeste che possono devastare le comunità. In un mondo di condizioni meteorologiche sempre più estreme, previsioni rapide e accurate non sono mai state così importanti.

In un articolo pubblicato su Science , Google introduce GraphCast, un modello di intelligenza artificiale all’avanguardia in grado di effettuare previsioni meteorologiche a medio raggio con una precisione senza precedenti. GraphCast prevede le condizioni meteorologiche fino a 10 giorni in anticipo in modo più accurato e molto più veloce del sistema di simulazione meteorologica standard del settore, l’High Resolution Forecast (HRES), prodotto dall’European Centre for Medium-Range Weather Forecasts (ECMWF).

GraphCast può anche offrire avvisi anticipati di eventi meteorologici estremi. Può prevedere le traiettorie dei cicloni con grande accuratezza nel futuro, identificare i fiumi atmosferici associati al rischio di inondazioni e prevedere l’insorgenza di temperature estreme. Questa capacità ha il potenziale di salvare vite umane attraverso una maggiore preparazione.

GraphCast compie un significativo passo avanti nell’intelligenza artificiale per le previsioni meteorologiche, offrendo previsioni più accurate ed efficienti e aprendo percorsi per supportare il processo decisionale critico per le esigenze delle nostre industrie e società. Inoltre, rendendo open source il codice modello per GraphCast, Google sta consentendo a scienziati e meteorologi di tutto il mondo di avvantaggiare miliardi di persone nella loro vita quotidiana. GraphCast è già utilizzato dalle agenzie meteorologiche, tra cui ECMWF, che sta eseguendo un esperimento live delle previsioni del modello sul suo sito Web .

Una selezione delle previsioni di GraphCast che si estendono per 10 giorni e mostrano l’umidità specifica a 700 ettopascal (circa 3 km sopra la superficie), la temperatura superficiale e la velocità del vento superficiale.

La sfida delle previsioni meteorologiche globali
Le previsioni meteorologiche sono una delle più vecchie e impegnative attività scientifiche. Le previsioni a medio raggio sono importanti per supportare il processo decisionale chiave in tutti i settori, dalle energie rinnovabili alla logistica degli eventi, ma sono difficili da realizzare in modo accurato ed efficiente.

Le previsioni in genere si basano sulla previsione meteorologica numerica (NWP), che inizia con equazioni fisiche attentamente definite, che vengono poi tradotte in algoritmi informatici eseguiti su supercomputer. Mentre questo approccio tradizionale è stato un trionfo della scienza e dell’ingegneria, la progettazione di equazioni e algoritmi richiede molto tempo e una profonda competenza, nonché costose risorse di calcolo per fare previsioni accurate.

Il deep learning offre un approccio diverso: usare i dati invece delle equazioni fisiche per creare un sistema di previsioni meteo. GraphCast è addestrato su decenni di dati meteo storici per apprendere un modello delle relazioni causa-effetto che governano il modo in cui il meteo della Terra evolve, dal presente al futuro.

Fondamentalmente, GraphCast e gli approcci tradizionali vanno di pari passo: è stato addestrato GraphCast su quattro decenni di dati di rianalisi meteorologica, dal dataset ERA5 dell’ECMWF. Questo tesoro si basa su osservazioni meteorologiche storiche come immagini satellitari, radar e stazioni meteorologiche che utilizzano un NWP tradizionale per “riempire gli spazi vuoti” dove le osservazioni sono incomplete, per ricostruire un ricco record di meteorologia storica globale.

GraphCast: un modello AI per le previsioni meteorologiche
GraphCast è un sistema di previsioni meteorologiche basato sull’apprendimento automatico e sulle reti neurali grafiche (GNN), che rappresentano un’architettura particolarmente utile per l’elaborazione di dati strutturati spazialmente.

GraphCast effettua previsioni ad alta risoluzione di 0,25 gradi di longitudine/latitudine (28 km x 28 km all’equatore). Si tratta di più di un milione di punti griglia che coprono l’intera superficie terrestre. In ogni punto griglia il modello prevede cinque variabili della superficie terrestre, tra cui temperatura, velocità e direzione del vento e pressione media al livello del mare, e sei variabili atmosferiche a ciascuno dei 37 livelli di altitudine, tra cui umidità specifica, velocità e direzione del vento e temperatura.

Sebbene l’addestramento di GraphCast sia stato computazionalmente intensivo, il modello di previsione risultante è altamente efficiente. Fare previsioni a 10 giorni con GraphCast richiede meno di un minuto su una singola macchina Google TPU v4. Per fare un confronto, una previsione a 10 giorni usando un approccio convenzionale, come HRES, può richiedere ore di elaborazione in un supercomputer con centinaia di macchine.

In una valutazione completa delle prestazioni rispetto al sistema deterministico gold standard, HRES, GraphCast ha fornito previsioni più accurate su oltre il 90% di 1380 variabili di test e tempi di previsione (vedere il nostro articolo scientifico per i dettagli). Quando abbiamo limitato la valutazione alla troposfera, la regione dell’atmosfera alta 6-20 chilometri più vicina alla superficie terrestre dove le previsioni accurate sono più importanti, il nostro modello ha superato HRES sul 99,7% delle variabili di test per il meteo futuro.

Per gli input, GraphCast richiede solo due set di dati: lo stato del meteo di 6 ore fa e lo stato attuale del meteo. Il modello prevede quindi il meteo di 6 ore nel futuro. Questo processo può quindi essere portato avanti in incrementi di 6 ore per fornire previsioni all’avanguardia fino a 10 giorni in anticipo.

Migliori avvisi per eventi meteorologici estremi
Le analisi di Google hanno rivelato che GraphCast può anche identificare eventi meteorologici gravi prima dei modelli di previsione tradizionali, nonostante non sia stato addestrato a cercarli. Questo è un ottimo esempio di come GraphCast potrebbe aiutare nella preparazione per salvare vite e ridurre l’impatto di tempeste e condizioni meteorologiche estreme sulle comunità.

Applicando un semplice tracker di cicloni direttamente alle previsioni GraphCast, si è riusciti a prevedere il movimento dei cicloni in modo più accurato rispetto al modello HRES. A settembre, una versione live del nostro modello GraphCast disponibile al pubblico, distribuita sul sito web ECMWF, ha previsto con precisione circa nove giorni di anticipo che l’uragano Lee avrebbe toccato terra in Nuova Scozia. Al contrario, le previsioni tradizionali avevano una maggiore variabilità nel luogo e nel momento in cui si sarebbe verificato il landfall e si sono bloccate sulla Nuova Scozia solo circa sei giorni in anticipo.

GraphCast può anche caratterizzare i fiumi atmosferici, strette regioni dell’atmosfera che trasferiscono la maggior parte del vapore acqueo al di fuori dei tropici. L’intensità di un fiume atmosferico può indicare se porterà pioggia benefica o un diluvio che induce inondazioni. Le previsioni GraphCast possono aiutare a caratterizzare i fiumi atmosferici, il che potrebbe aiutare a pianificare le risposte di emergenza insieme ai modelli di intelligenza artificiale per prevedere le inondazioni.

Infine, prevedere temperature estreme sta diventando sempre più importante nel nostro mondo in via di riscaldamento e cambiamento climatico. GraphCast può determinare quando il calore è destinato a salire oltre le temperature massime storiche per qualsiasi luogo sulla Terra. Ciò è particolarmente utile per anticipare ondate di calore, eventi dirompenti e pericolosi che stanno diventando sempre più comuni.

Previsione di eventi gravi: confronto tra GraphCast e HRES.

A sinistra: prestazioni di tracciamento dei cicloni. Man mano che aumenta il tempo di previsione dei movimenti dei cicloni, GraphCast mantiene una precisione maggiore rispetto a HRES.

A destra: previsione del fiume atmosferico. Gli errori di previsione di GraphCast sono notevolmente inferiori a quelli di HRES per l’intera durata delle previsioni a 10 giorni

Il futuro dell’intelligenza artificiale per il meteo
GraphCast è ora il sistema di previsioni meteo globali a 10 giorni più accurato al mondo, e può prevedere eventi meteorologici estremi più a lungo nel futuro di quanto fosse possibile in precedenza. Man mano che i modelli meteorologici si evolvono in un clima in cambiamento, GraphCast si evolverà e migliorerà man mano che saranno disponibili dati di qualità più elevata.

Per rendere più accessibili le previsioni meteo basate sull’intelligenza artificiale, abbiamo reso open source il codice del nostro modello . L’ECMWF sta già sperimentando le previsioni a 10 giorni di GraphCast e siamo entusiasti di vedere le possibilità che sblocca per i ricercatori, dall’adattamento del modello per particolari fenomeni meteorologici all’ottimizzazione per diverse parti del mondo.

GraphCast si unisce ad altri sistemi di previsione meteorologica all’avanguardia di Google DeepMind e Google Research, tra cui un modello regionale Nowcasting che produce previsioni fino a 90 minuti in anticipo, e MetNet-3 , un modello regionale di previsione meteorologica già in funzione negli Stati Uniti e in Europa che produce previsioni a 24 ore più accurate di qualsiasi altro sistema.

Essere pionieri nell’uso dell’intelligenza artificiale nelle previsioni meteorologiche porterà benefici a miliardi di persone nella loro vita quotidiana. Ma la ricerca più ampia di Google non riguarda solo l’anticipazione del meteo, ma anche la comprensione dei modelli più ampi del nostro clima. Sviluppando nuovi strumenti e accelerando la ricerca, speriamo che l’intelligenza artificiale possa dare potere alla comunità globale per affrontare le nostre più grandi sfide ambientali.

(fonte)

Innovaformazione, scuola informatica specialistica promuove la cultura dell’AI fra privati e aziende. Nell’offerta formativa trovate i Corsi AI Generativa rivolta alle aziende.

Per altri articoli di settore potete navigare sul nostro blog a questo LINK.

INFO: info@innovaformazione.net – Tel. 3471012275 (Dario Carrassi)