Prognozowanie ekstremalnych zdarzeń pogodowych za pomocą sztucznej inteligencji
Naukowcy uważają, że zmiana klimatu wpłynie na systemy pogodowe w sposób, który może doprowadzić do spotęgowania zagrożeń, jakimi są ekstremalne zdarzenia pogodowe. W przygotowaniu się na skutki, które mogą nas czekać w przyszłości, pomogą nam ulepszone modele pogody i klimatu. Pracują nad nimi naukowcy skupieni wokół projektu MAELSTROM, którzy postanowili zwiększyć naszą zdolność do przewidywania przyszłych zjawisk klimatycznych, rozwijając europejską architekturę obliczeń wielkiej skali (HPC). Do zespołu projektu MAELSTROM zaproszono partnerów z całej Europy z myślą o współtworzeniu systemów komputerowych o zwiększonej efektywności energetycznej, nowego oprogramowania zdolnego do wykorzystania uczenia maszynowego oraz nowych aplikacji opartych na sztucznej inteligencji jako narzędzi wspomagających przewidywanie pogody. Te ulepszenia technologiczne już teraz zwiększają moc europejskich systemów HPC i rozszerzają możliwości techniczne w dziedzinach meteorologii i klimatologii. „Projekt ten pomógł społeczności specjalistów zajmujących się pogodą i klimatem lepiej zrozumieć, w jaki sposób uczenie maszynowe może poprawić prognozy pogodowe i klimatyczne, jak najlepiej wykorzystać nowoczesne superkomputery i jak umożliwić branży HPC tworzenie najlepszego sprzętu dla poszczególnych zastosowań”, mówi Peter Dueben, koordynator projektu MAELSTROM i szef działu modelowania systemu ziemskiego w Europejskim Centrum Prognoz Średnioterminowych (ECMWF) w Zjednoczonym Królestwie.
Współtworzenie nowego sprzętu i oprogramowania
Projekt MAELSTROM to wspólny wysiłek wielu specjalistów, których zadaniem było współtworzenie nowych produktów i narzędzi. Projekt został zrealizowany przy wsparciu Wspólnego Przedsięwzięcia w dziedzinie Europejskich Obliczeń Wielkiej Skali (EuroHPC), które powstało w celu rozwoju światowej klasy ekosystemu superkomputerów w Europie. Meteorolodzy i klimatolodzy pracowali ramię w ramię ze specjalistami w dziedzinie uczenia maszynowego nad stworzeniem nowych aplikacji, podczas gdy inżynierowie oprogramowania ulepszali narzędzia programowe udostępniane naukowcom opracowującym nowe aplikacje w zakresie szkolenia, wnioskowania i analizy porównawczej. Następnie oprogramowanie i aplikacje trafiły do naukowców zajmujących się superkomputerami, którzy wykorzystali je jako wskaźniki referencyjne na potrzeby testowania nowych konfiguracji sprzętowych i projektów systemów komputerowych. „Informacje zwrotne od twórców sprzętu przekazane następnie twórcom aplikacji pozwalają nam z kolei tworzyć bardziej wydajne aplikacje i dostosowywać równoległość, zużycie energii i precyzję numeryczną podczas realizacji zadań związanych ze szkoleniem i wnioskowaniem”, wyjaśnia Dueben.
Wskaźniki referencyjne dla społeczności w dziedzinie uczenia maszynowego
Jak twierdzi Dueben, najważniejszymi rezultatami projektu są produkty i narzędzia. Ich zakres jest bardzo szeroki – od udoskonalonych aplikacji uczenia maszynowego przeznaczonych do zastosowania w meteorologii i klimatologii, przez użyteczne zestawy danych porównawczych dla społeczności specjalistów w dziedzinie uczenia maszynowego, publikowane w internecie, aż po ulepszone oprogramowanie do uczenia maszynowego. Aplikacje uczenia maszynowego opracowane przez zespół projektu MAELSTROM są w stanie przekształcić dane klimatyczne w dokładniejsze prognozy dzięki ulepszonemu przetwarzaniu danych obserwacyjnych, post-processingowi danych modelowych i nowym zdolnościom prognozowania. Prace te pozwoliły również na głębsze zrozumienie, które projekty systemów komputerowych są najbardziej wydajne z punktu widzenia uczenia maszynowego w zastosowaniach fizycznych. „Zwłaszcza proces rozwoju aplikacji umożliwił stworzenie narzędzi, które już teraz są wykorzystywane w centrach meteorologicznych, gdzie na co dzień pomagają w tworzeniu dokładniejszych prognoz pogody”, zauważa Dueben.
Przełom w prognozowaniu pogody
Technologia uczenia maszynowego stała się przełomem w prognozowaniu pogody, a modele oparte wyłącznie na uczeniu maszynowym pod wieloma względami przewyższają tradycyjnie tworzone prognozy. Projekt zakończył się w marcu 2024 roku, ale można powiedzieć, że prace trwają nadal, gdyż główne ośrodki meteorologiczne, takie jak będący partnerem projektu instytut Met Norway, nadal pracują nad narzędziami wykorzystującymi uczenie maszynowe. „Jestem przekonany, że wszyscy partnerzy projektu będą kontynuować swoje wysiłki w celu dalszego doskonalenia aplikacji, oprogramowania i sprzętu”, podsumowuje Dueben.
Słowa kluczowe
MAELSTROM, Wspólne Przedsięwzięcie EuroHPC, klimat, prognozy, pogoda, ekstremalne, sztuczna inteligencja, superkomputery, przewidywanie, uczenie maszynowe, HPC