Predicción de fenómenos meteorológicos extremos con inteligencia artificial
Se prevé que el cambio climático modifique los sistemas meteorológicos, lo que empeorará amenazas como los fenómenos meteorológicos extremos. La mejora de los modelos meteorológicos y climáticos nos ayudará a prepararnos para estos futuros impactos. Los investigadores que trabajan en el proyecto MAELSTROM han seguido desarrollando la arquitectura europea de informática de alto rendimiento (HPC) para mejorar nuestra capacidad de predecir futuros fenómenos climáticos. El equipo de MAELSTROM se reunió en toda Europa para codiseñar sistemas informáticos a medida destinados a mejorar la eficiencia energética, nuevo «software» capaz de incorporar el aprendizaje automático y nuevas aplicaciones de inteligencia artificial para ayudar en la predicción meteorológica. Estos avances tecnológicos ya han reforzado las capacidades de la HPC de Europa e impulsado las capacidades técnicas en meteorología y climatología. «Este proyecto ayudó a la comunidad meteorológica y climática a comprender mejor qué puede hacer el aprendizaje automático para mejorar las predicciones meteorológicas y climáticas, cómo aprovechar al máximo los superordenadores modernos y cómo permitir que la industria de la HPC proporcione el mejor “hardware” para el ámbito de aplicación», afirma Peter Dueben, coordinador del proyecto MAELSTROM y jefe de la sección de Modelización del Sistema Terrestre en el Centro Europeo de Previsiones Meteorológicas a Plazo Medio (CEPMPM) (Reino Unido).
Codiseño de nuevo «hardware» y «software»
El proyecto MAELSTROM es una iniciativa de colaboración en la que se crearon nuevos productos y herramientas mediante un ciclo de codiseño. El proyecto se llevó a cabo con el apoyo de la Empresa Común de Informática de Alto Rendimiento Europea (EC EuroHPC), una iniciativa creada para desarrollar un ecosistema de supercomputación de categoría mundial en Europa. Los meteorólogos y climatólogos desarrollaron nuevas aplicaciones en colaboración con investigadores de aprendizaje automático, mientras que los ingenieros de «software» trabajaron para mejorar las herramientas informáticas a disposición de los científicos que desarrollaban nuevas aplicaciones en formación, inferencia y evaluación comparativa. A continuación, los científicos expertos en supercomputación tomaron estas aplicaciones y «software» y los utilizaron como puntos de referencia para probar nuevas configuraciones de «hardware» y diseños de sistemas informáticos. «Los comentarios de los desarrolladores de “hardware” a los de aplicaciones, a su vez, nos están permitiendo crear aplicaciones más eficientes y ajustar la paralelización, el consumo de energía y la precisión numérica durante el entrenamiento y las conclusiones», explica Dueben.
Establecer puntos de referencia para la comunidad del aprendizaje automático
Los resultados más importantes del proyecto son productos y herramientas, afirma Dueben. Se trata de aplicaciones mejoradas de aprendizaje automático para la meteorología y la climatología, conjuntos de datos de referencia para la comunidad del aprendizaje automático que se publican en línea y «software» mejorado para el aprendizaje automático. Las aplicaciones de aprendizaje automático desarrolladas a través de MAELSTROM son capaces de transformar los datos climáticos en predicciones más precisas, mediante un mejor procesamiento de las observaciones, el posprocesamiento de los datos de los modelos y nuevas capacidades de previsión. El proyecto también permitió profundizar en el conocimiento de los diseños de sistemas informáticos más eficientes para el aprendizaje automático en aplicaciones físicas. «En particular, el desarrollo de aplicaciones ha dado lugar a herramientas que ya se utilizan en los centros de previsión meteorológica participantes para mejorar las predicciones meteorológicas a diario», señala Dueben.
Predicciones meteorológicas revolucionarias
En la actualidad, el aprendizaje automático está revolucionando la forma de realizar predicciones meteorológicas, ya que los modelos de aprendizaje automático puro superan a las predicciones convencionales en muchos aspectos. El proyecto finalizó en marzo de 2024, pero los principales centros meteorológicos, como la entidad socia del proyecto Met Norway, siguen desarrollando herramientas mediante aprendizaje automático. «Estoy convencido de que todos los socios seguirán esforzándose por mejorar las aplicaciones, el “software” y el “hardware”», concluye Dueben.
Palabras clave
MAELSTROM, EC EuroHPC, clima, previsiones, meteorología, extremos, inteligencia artificial, superordenadores, predicción, aprendizaje automático, HPC
