Ai2 запускает новую инициативу по моделированию климата при поддержке Google.org, которая включает трехмиллионное финансирование в течение трех лет и техническую поддержку Google Research. Финансирование позволит расширить нашу команду по моделированию климата в процессе разработки NeuralGCM+ — модели с открытым исходным кодом, предназначенной для того, чтобы делать климатические прогнозы более быстрыми и надежными.
Проект опирается на разработку Google Research, в которой физические уравнения используются для моделирования крупномасштабной динамики, а ИИ — для представления мелкомасштабных процессов, таких как образование облаков и выпадение осадков. Мы расширим ее возможности, чтобы моделировать атмосферу и океан в совокупности, учитывая то, как океаны поглощают и перераспределяют тепло — фактор, оказывающий огромное влияние на долгосрочный климат.
С момента первоначального релиза Google Research разрабатывает NeuralGCM для краткосрочных прогнозов на горизонте от недель до месяцев, например, чтобы определить, насколько теплым или влажным будет предстоящее лето. Фокус Ai2 будет направлен на климатические тенденции на горизонте от лет до десятилетий, включая то, как могут измениться количество осадков и доступность воды к середине века в таких регионах, как юго-запад США.
Наша амбициозная цель — сделать эти инструменты доступными для большего числа ученых и помочь сообществам принимать более обоснованные решения в отношении планирования водных ресурсов и адаптации к изменению климата.
«Опираясь на глубокий опыт в области климатологии и общую приверженность исследованиям с открытым доступом, Ai2 имеет уникальные возможности для того, чтобы развивать модель NeuralGCM от Google в направлении нового поколения долгосрочных климатических прогнозов. Мы с нетерпением ждем возможности поддержать эту критически важную работу, которая имеет жизненно важное значение для помощи мировым отраслям и сообществам в подготовке к будущему». — Алекс Диас (Alex Diaz), руководитель отдела прикладной науки, Google.org
«Опираясь на глубокий опыт в области климатологии и общую приверженность исследованиям с открытым доступом, Ai2 имеет уникальные возможности для того, чтобы развивать модель NeuralGCM от Google в направлении нового поколения долгосрочных климатических прогнозов. Мы с нетерпением ждем возможности поддержать эту критически важную работу, которая имеет жизненно важное значение для помощи мировым отраслям и сообществам в подготовке к будущему». — Алекс Диас (Alex Diaz), руководитель отдела прикладной науки, Google.org
«Большая часть прогресса в области ИИ-моделирования систем Земли была сосредоточена на прогнозировании погоды на диапазон от дней до месяцев. Но сообществам также необходимо понимать, что может произойти на протяжении десятилетий, поскольку они планируют свои действия в условиях меняющегося климата. Этот долгосрочный взгляд требует постоянных исследований, и именно здесь, по нашему мнению, Ai2 вносит свой вклад. Мы признательны за поддержку Google.org, которая позволит нам продвинуться еще дальше в этом направлении, дополняя работу, которую мы уже делаем, такую как непрекращающаяся разработка климатической модели ACE». — Оливер Уотт-Мейер (Oliver Watt-Meyer), руководитель направления климатического моделирования, Ai2
«Большая часть прогресса в области ИИ-моделирования систем Земли была сосредоточена на прогнозировании погоды на диапазон от дней до месяцев. Но сообществам также необходимо понимать, что может произойти на протяжении десятилетий, поскольку они планируют свои действия в условиях меняющегося климата. Этот долгосрочный взгляд требует постоянных исследований, и именно здесь, по нашему мнению, Ai2 вносит свой вклад. Мы признательны за поддержку Google.org, которая позволит нам продвинуться еще дальше в этом направлении, дополняя работу, которую мы уже делаем, такую как непрекращающаяся разработка климатической модели ACE». — Оливер Уотт-Мейер (Oliver Watt-Meyer), руководитель направления климатического моделирования, Ai2
Обычные климатические модели формируют наше понимание глобального потепления на протяжении десятилетий, однако их вычислительные требования ограничивают эксперименты, которые могут проводить ученые. Более быстрые и менее дорогостоящие симуляции могут позволить исследователям изучить больше возможных вариантов будущего и исследовать сохраняющиеся неопределенности в региональных тенденциях температуры и осадков. Существующая модель NeuralGCM от Google иллюстрирует этот потенциал: в рамках публичного бенчмарка версия, состоящая только из атмосферной составляющей, смоделировала годовые атмосферные условия для всей планеты за восемь минут на одном TPU.
Мы уже сделали климатические симуляции более быстрыми и эффективными с точки зрения вычислений благодаря нашему климатическому эмулятору Ai2 Climate Emulator (ACE) — семейству моделей, которые обучаются тому, как атмосферные условия меняются со временем. В одном из исследований ACE2 выполнила эксперименты о том, как паттерны температуры океана влияют на климат, примерно в 100 раз быстрее, чем традиционная атмосферная модель, для эмуляции которой она была обучена.
Однако скорость — это лишь часть проблемы. Модели ACE, обученные на симуляциях традиционных климатических моделей, наследуют ограничения этих моделей. Другие версии обучаются на реконструкциях прошлых атмосферных условий и могут точно моделировать историческую вариативность и тенденции потепления. Но модели, обученные исключительно на исторических данных, испытывают трудности с составлением надежных прогнозов будущих климатических условий, с которыми мы еще не сталкивались.
Гибридная архитектура NeuralGCM может помочь решить эту проблему. В отличие от ACE, которая учится тому, как состояние атмосферы эволюционирует в целом, ИИ-компонент NeuralGCM фокусируется на локальных процессах в пределах вертикальных срезов атмосферы. Это ставит перед ИИ более простую задачу обучения и может помочь ему обобщать данные по мере потепления климата. Демонстрация надежных будущих прогнозов остается центральной исследовательской задачей.
Мы будем разрабатывать NeuralGCM+ по трем связанным направлениям:
- Связать атмосферу и океан. Наша цель — объединить NeuralGCM с моделью океана и морского льда для получения стабильных симуляций, охватывающих десятилетия. Ключевая задача заключается в снижении ошибок в региональной температуре и количестве осадков при моделировании последних 50 лет по сравнению с традиционными климатическими моделями.
- Улучшить реакцию на потепление на планете. Мы добавим более устоявшуюся физику и проверим, насколько хорошо модель воспроизводит изменения температуры и осадков в более теплых климатических условиях, с которыми она не сталкивалась во время обучения, используя в качестве эталона симуляции традиционных климатических моделей.
- Сделать инструменты более простыми в использовании и расширении. Опираясь на существующий код с открытым исходным кодом NeuralGCM и доступные веса моделей, мы планируем выпустить наши модели и фреймворки моделирования с документированными рабочими процессами, которые позволят сторонним исследователям обучать и адаптировать модели, а также вносить свой код. Мы также улучшим производительность на широко используемых GPU.
Наша долгосрочная цель — создать общую исследовательскую платформу, которую лаборатории климатического моделирования смогут использовать и совершенствовать совместно, расширяя научную базу, определяющую то, как сообщества готовятся к меняющемуся климату.
Узнайте больше об исследованиях Ai2 в области климатического моделирования и изучите существующий код и документацию NeuralGCM.
