Com o intuito de ajudar a enfrentar um dos maiores desafios da humanidade na atualidade – as mudanças climáticas -, pesquisadores do Laboratório Nacional Lawrence Berkeley (Berkeley Lab), do Instituto de Tecnologia da Califórnia (Caltech) e da empresa de tecnologia NVIDIA descobriram uma forma de emular a dinâmica atmosférica e fornecer com alta fidelidade previsões meteorológicas extremas em todo o mundo com cinco dias de antecedência.

Para treinar o modelo de aprendizado profundo do Fourier Neural Operator (FNO) – que aprende sistemas físicos complexos com precisão e eficiência – os pesquisadores usaram décadas de dados do ERA5 – o conjunto de dados de alta resolução do Centro Europeu para Previsões de Tempo Médio da Terra.

Uma representação adaptada do gêmeo digital da Terra do projeto Destination Earth da União Europeia. Imagem: Destination Earth

Assim, o FNO foi ampliado para 128 GPUs NVIDIA A100 no Perlmutter, o novo sistema HPC no Centro Nacional de Computação Científica de Pesquisa Energética (NERSC). A equipe desenvolveu um modelo global de previsão do tempo FNO com resolução de 30 km, uma ordem de magnitude maior do que qualquer emulador da Terra de aprendizado profundo de última geração. 

Esse modelo prevê velocidades e pressões do vento em vários níveis na atmosfera com até 120 horas de antecedência com alta fidelidade. Além disso, pode prever o comportamento de certas classes de eventos climáticos extremos em todo o mundo com dias de antecedência em apenas 0,25 segundos em uma única GPU NVIDIA.

publicidade

Leia mais:

Método possibilita previsões meteorológicas mais precisas do que com modelos numéricos tradicionais

Modelos de aprendizagem profunda informados pela física, como o FNO, oferecem o potencial para previsões precisas da evolução espaço-temporal do sistema terrestre em ordens de magnitude mais rapidamente do que os modelos numéricos tradicionais. 

Segundo a equipe, esse é um esforço contínuo, e eles estão investigando a precisão comparativa do aprendizado profundo e dos modelos climáticos numéricos tradicionais em colaboração com especialistas em modelagem atmosférica e previsão numérica do tempo.

De acordo com os cientistas, o modelo FNO desenvolvido por meio da colaboração Berkeley Lab / Caltech / NVIDIA é um passo significativo para a construção de uma Terra gêmea digital. 

Terras gêmeas digitais são réplicas digitais do nosso planeta – simuladores baseados na física, impulsionados por Inteligência Artificial e limitados por dados em tempo real. 

Conforme descrito no ambicioso projeto Destination Earth, da União Europeia, um gêmeo digital da Terra dá a usuários especialistas e não especialistas acesso personalizado a informações, serviços, modelos, previsões e visualizações de alta qualidade nos domínios do monitoramento do clima, modelagem, mitigação e adaptação. 

“É ótimo ver este marco importante no desenvolvimento de abordagens sofisticadas de aprendizagem profunda em direção à mudança transformadora na modelagem climática”, disse Wahid Bhimji, líder interino do grupo de Data, AI and Analytics Services da NERSC. “Estamos orgulhosos de que as colaborações científicas iniciais da IA ​​do NERSC e a infraestrutura de computação de IA de classe mundial do Permutter podem ajudar a impulsionar essa mudança”.

Já assistiu aos nossos novos vídeos no YouTube? Inscreva-se no nosso canal!