Extreme Wetterereignisse mit künstlicher Intelligenz vorhersagen
Durch den Klimawandel werden sich die Wettersysteme verändern, sodass sich Gefahren wie extreme Wetterereignisse möglicherweise verschärfen. Mit verbesserter Wetter- und Klimamodellierung ist die Vorbereitung auf künftige Auswirkungen möglich. Forschende haben im Rahmen des Projekts MAELSTROM die europäische Architektur für Hochleistungsrechnen (HPC) ausgebaut, um die Möglichkeiten zu verbessern, kommende Klimaereignisse vorherzusagen. Das MAELSTROM-Team kam aus ganz Europa zusammen, um die genannten Computersysteme für mehr Energieeffizienz, neue Software zur Integration von maschinellem Lernen und neue Anwendungen mit künstlicher Intelligenz gemeinsam zu gestalten und so die Wettervorhersage zu verbessern. Durch diese technologischen Fortschritte wurden die europäischen HPC-Kapazitäten bereits gestärkt und die technischen Möglichkeiten in der Wetter- und Klimawissenschaft ausgeweitet. „Dank diesem Projekt kann in der Wetter- und Klimaforschung besser nachvollzogen werden, wie Wetter- und Klimavorhersagen mit maschinellem Lernen verbessert werden können, wie moderne Supercomputer möglichst sinnvoll eingesetzt werden und wie in der HPC-Industrie bestmögliche Hardware für den Anwendungsbereich entstehen können“, sagt Peter Düben, der Projektkoordinator von MAELSTROM und Leiter der Abteilung Earth System Modelling am Europäischen Zentrum für mittelfristige Wettervorhersage (EZMW) im Vereinigten Königreich.
Gemeinsames Design neuer Hardware und Software
Das MAELSTROM-Projekt ist ein gemeinschaftliches Projekt, über das neue Produkte und Werkzeuge in einem Kreislauf der gemeinsamen Gestaltung entworfen wurden. Das Projekt wurde mit Unterstützung des Gemeinsamen Unternehmens für europäisches Hochleistungsrechnen (GU EuroHPC) durchgeführt, einer Initiative, die zur Entwicklung eines Ökosystems für Hochleistungsrechnen von Weltrang in Europa gegründet wurde. Dabei haben Sachverständige der Wetter- und Klimaforschung gemeinsam mit Forschenden zu maschinellem Lernen Anwendungen entwickelt, während in der Softwaretechnik die Software-Werkzeuge weiterentwickelt wurden, die Forschenden bei der Gestaltung neuer Anwendungen zu Training, Inferenz und Benchmarking bereits zur Verfügung stehen. Fachkräfte für Hochleistungsrechnen haben diese Anwendungen und Software dann als Richtwert genommen, um neue Hardwarekonfigurationen und Datenverarbeitungssysteme zu testen. „Durch die Rückmeldungen aus der Hardware-Entwicklung an die Anwendungsentwicklung wiederum konnten effizientere Anwendungen entstehen und die Parallelisierung, der Energieverbrauch und die numerische Genauigkeit beim Training und der Inferenz angepasst werden“, erklärt Düben.
Richtwerte für die Gemeinschaft zum maschinellen Lernen
Die wichtigsten Projektergebnisse sind laut Düben die Produkte und Werkzeuge. Diese reichen von Anwendungen des maschinellen Lernens für die Wetter- und Klimaforschung und wichtigen Benchmark-Datensätzen für die Gemeinschaft zum maschinellen Lernen, die online veröffentlicht wurden, bis zu verbesserter Software für maschinelles Lernen. Mit den Anwendungen des maschinellen Lernens aus dem MAELSTROM-Projekt können Klimadaten in genauere Vorhersagen umgewandelt werden, indem die Verarbeitung der Beobachtungen, die Nachverarbeitung der Modelldaten und neue Vorhersagemöglichkeiten verbessert wurden. Aus dem Projekt ist auch Wissen dazu hervorgegangen, welche Datenverarbeitungssysteme besonders für das maschinelle Lernen in physikalischen Anwendungen geeignet sind. „Besonders in der Anwendungsentwicklung sind Werkzeuge entstanden, die bereits von teilnehmenden Wettervorhersagezentren eingesetzt werden, um die Wettervorhersagen täglich zu verbessern“, so Düben.
Wettervorhersagen revolutionieren
Durch maschinelles Lernen wird derzeit die Wettervorhersage an sich revolutioniert, da reine Modelle mit maschinellem Lernen in vielfacher Hinsicht bessere Ergebnisse liefern als herkömmliche Vorhersagen. Das Projekt wurde im März 2024 abgeschlossen, doch in großen Wetterzentren wie dem Projektpartner Meteorologisk institutt in Norwegen werden die Werkzeuge mit maschinellem Lernen weiter ausgereift. „Ich bin überzeugt, dass alle Partner weiterhin an den Anwendungen, der Software und der Hardware arbeiten werden“, schließt Düben.
Schlüsselbegriffe
MAELSTROM, GU EuroHPC, Klima, Vorhersagen, Wetter, extrem, künstliche Intelligenz, Supercomputer, Vorhersage, maschinelles Lernen, HPC
