Recientemente, Google ha logrado un avance sorprendente en el campo de la predicción meteorológica. Han desarrollado un nuevo modelo de circulación atmosférica llamado NeuralGCM, cuya eficiencia computacional supera en 100.000 veces a los modelos físicos tradicionales, lo que equivale al progreso en computación de alto rendimiento de los últimos 25 años.
Combinando el aprendizaje automático y el modelado físico, NeuralGCM simula la atmósfera terrestre con rapidez y precisión. Este logro se ha publicado en la prestigiosa revista internacional Nature, atrayendo mucha atención.
El CEO de Google anunció este logro en las redes sociales, señalando que NeuralGCM proporcionará a los científicos una herramienta completamente nueva para la predicción del cambio climático. En un momento de aumento drástico de las temperaturas globales, esto ayudará a los investigadores a comprender el impacto del cambio climático en diferentes regiones, como las zonas que podrían sufrir sequías prolongadas o el riesgo de inundaciones en las zonas costeras.
Los modelos tradicionales de predicción meteorológica suelen depender de las leyes físicas, dividiendo la Tierra en cubos de 50 a 100 kilómetros de lado y calculando los cambios meteorológicos en esas áreas. Sin embargo, debido al gran tamaño de estas áreas, muchos procesos climáticos importantes se pasan por alto. A diferencia de esto, NeuralGCM utiliza redes neuronales para aprender los principios físicos de los eventos meteorológicos a pequeña escala a partir de datos existentes, mejorando considerablemente la precisión de la simulación.
NeuralGCM, entrenado con datos meteorológicos de 1979 a 2019, ha demostrado una precisión en la predicción meteorológica de 2 a 15 días superior a la de los modelos físicos más avanzados existentes. En cuanto a la predicción climática, NeuralGCM también se destaca, especialmente en la predicción de temperaturas, con un margen de error que es solo un tercio del de los modelos tradicionales.
Además, NeuralGCM es extremadamente eficiente en velocidad de ejecución y coste computacional. Es 3500 veces más rápido que los modelos tradicionales y 100.000 veces más barato que X-SHiELD, pudiendo ejecutarse en un ordenador normal.
El lanzamiento de NeuralGCM marca un gran avance en el campo del modelado climático, no solo ofreciendo nuevas posibilidades para la predicción meteorológica futura, sino también proporcionando un apoyo más sólido a nuestra investigación sobre el cambio climático.
Enlace al artículo: https://t.co/zyXhW8deko
Puntos clave:
🌍 La eficiencia computacional del modelo NeuralGCM es 100.000 veces superior a la de los modelos físicos tradicionales, ¡puede simular 22 días de clima en 30 segundos!
📈 En la predicción meteorológica de 2 a 15 días, NeuralGCM supera la precisión de los modelos más avanzados existentes.
💻 Su coste computacional es 100.000 veces inferior al de los modelos tradicionales, y puede ejecutarse de forma eficiente en un ordenador normal.