Récemment, Google a réalisé une percée étonnante dans le domaine des prévisions météorologiques. Ils ont développé un nouveau modèle de circulation atmosphérique appelé NeuralGCM, dont l'efficacité de calcul est 100 000 fois supérieure à celle des modèles physiques traditionnels, ce qui équivaut à 25 années de progrès en calcul haute performance.
En combinant l'apprentissage automatique et la modélisation physique, NeuralGCM simule l'atmosphère terrestre avec rapidité et précision. Les résultats de cette recherche ont été publiés dans la prestigieuse revue scientifique Nature, suscitant un vif intérêt.
Le PDG de Google a annoncé cette réussite sur les réseaux sociaux, soulignant que NeuralGCM offrira aux scientifiques un nouvel outil de prévision des changements climatiques. Dans un contexte de hausse spectaculaire des températures mondiales, cela aidera les chercheurs à comprendre l'impact du changement climatique sur différentes régions, par exemple, les régions susceptibles de connaître des sécheresses prolongées ou les risques d'inondation pour les zones côtières.
Les modèles de prévision météorologique traditionnels reposent généralement sur les lois de la physique, divisant la Terre en cubes de 50 à 100 kilomètres de côté et calculant les variations météorologiques dans ces zones. Cependant, cette méthode, en raison de la taille des cubes, néglige de nombreux processus climatiques importants. Contrairement à cela, NeuralGCM utilise les réseaux neuronaux pour apprendre les principes physiques des événements météorologiques à petite échelle à partir des données existantes, améliorant ainsi considérablement la précision de la simulation.
Entraîné sur les données météorologiques de 1979 à 2019, NeuralGCM a démontré une précision supérieure à celle des modèles physiques les plus avancés pour les prévisions météorologiques à 2 à 15 jours. En matière de prévision climatique, NeuralGCM est également très performant, notamment pour les prévisions de température, avec une marge d'erreur trois fois inférieure à celle des modèles traditionnels.
De plus, NeuralGCM est extrêmement efficace en termes de vitesse d'exécution et de coût de calcul. Il est 3 500 fois plus rapide que les modèles traditionnels et son coût de calcul est 100 000 fois inférieur à celui de X-SHiELD, permettant son utilisation sur un ordinateur ordinaire.
Le lancement de NeuralGCM marque un bond en avant majeur dans le domaine de la modélisation climatique, offrant non seulement de nouvelles possibilités pour les prévisions météorologiques futures, mais aussi un soutien plus solide à nos recherches sur le changement climatique.
Adresse de l'article : https://t.co/zyXhW8deko
Points clés :
🌍 L'efficacité de calcul du modèle NeuralGCM est 100 000 fois supérieure à celle des modèles physiques traditionnels, permettant de simuler 22 jours de météo en 30 secondes !
📈 Pour les prévisions météorologiques à 2 à 15 jours, NeuralGCM surpasse les modèles les plus avancés actuels.
💻 Son coût de calcul est 100 000 fois inférieur à celui des modèles traditionnels, permettant une exécution efficace sur un ordinateur ordinaire.