Recentemente, o Google fez uma descoberta impressionante na área de previsão do tempo. Eles desenvolveram um novo modelo de circulação atmosférica chamado NeuralGCM, que é 100.000 vezes mais eficiente em termos de computação do que os modelos físicos tradicionais, o que equivale ao progresso em computação de alto desempenho dos últimos 25 anos.
Combinando aprendizado de máquina e modelagem física, o NeuralGCM simula a atmosfera terrestre de forma rápida e precisa. Os resultados desta pesquisa foram publicados na renomada revista internacional Nature, chamando a atenção da comunidade científica.
O CEO do Google anunciou este feito nas redes sociais, destacando que o NeuralGCM fornecerá aos cientistas uma nova ferramenta para prever as mudanças climáticas. Em um momento de aumento acentuado das temperaturas globais, isso ajudará os pesquisadores a entenderem o impacto das mudanças climáticas em diferentes regiões, como áreas propensas a secas prolongadas ou o risco de inundações em regiões costeiras.
Os modelos tradicionais de previsão do tempo geralmente dependem de leis físicas, dividindo a Terra em cubos de 50 a 100 quilômetros de lado e calculando as mudanças climáticas nessas áreas. No entanto, devido ao tamanho excessivo desses cubos, muitos processos climáticos importantes são ignorados. Diferentemente, o NeuralGCM utiliza redes neurais para aprender os princípios físicos de eventos climáticos em pequena escala a partir de dados existentes, aumentando significativamente a precisão da simulação.
Treinado com dados climáticos de 1979 a 2019, o NeuralGCM demonstrou precisão superior aos modelos físicos mais avançados existentes em previsões de tempo de 2 a 15 dias. Em termos de previsão climática, o NeuralGCM também se mostrou excepcional, especialmente na previsão de temperatura, com um erro apenas um terço do dos modelos tradicionais.
Além disso, o NeuralGCM é extremamente eficiente em velocidade de execução e custo computacional, sendo 3500 vezes mais rápido e 100.000 vezes mais econômico que o X-SHiELD, podendo ser executado em computadores comuns.
O lançamento do NeuralGCM marca um grande avanço na modelagem climática, não apenas oferecendo novas possibilidades para previsões meteorológicas futuras, mas também fornecendo um suporte mais robusto para a pesquisa sobre mudanças climáticas.
Link do artigo: https://t.co/zyXhW8deko
Destaques:
🌍 O modelo NeuralGCM é 100.000 vezes mais eficiente em termos de computação do que os modelos físicos tradicionais, podendo simular 22 dias de tempo em 30 segundos!
📈 Em previsões de tempo de 2 a 15 dias, o NeuralGCM superou a precisão dos modelos mais avançados existentes.
💻 Seu custo computacional é 100.000 vezes menor do que o dos modelos tradicionais, podendo ser executado eficientemente em computadores comuns.