El Sumario – Google Research presenta un nuevo modelo de libre acceso que combina física y aprendizaje automático capaz de realizar previsiones meteorológicas a corto y medio plazo, así como de simular el clima a lo largo de varias décadas.
Denominado NeuralGCM, supera a algunos modelos existentes de predicción meteorológica y climática y tiene el potencial de suponer un gran ahorro de potencia computacional respecto a los simuladores convencionales. Su descripción se publica en la revista Nature.
Reducir la incertidumbre en torno a las previsiones a largo plazo y estimar los fenómenos meteorológicos extremos es clave para ayudar a comprender la mitigación del cambio climático y la adaptación al mismo, resume la revista.
Los modelos de circulación general, que representan los procesos físicos de la atmósfera, el océano y la tierra, son la base actual de las predicciones meteorológicas y climáticas.
Estos son simuladores basados en la física que combinan un solucionador numérico para dinámicas a gran escala con representaciones ajustadas para procesos a pequeña escala, como la formación de nubes.
Predicción meteorológica
Se han propuesto modelos de aprendizaje automático como método alternativo de predicción meteorológica, con la ventaja de reducir los costes computacionales, pero a menudo no funcionan tan bien como los de circulación general cuando se trata de previsiones a largo plazo.
En este estudio, el equipo de Google Research de Stephan Hoyer presenta NeuralGCM, un modelo atmosférico que combina el aprendizaje automático y métodos basados en la física.
El nuevo modelo atmosférico puede ‘competir’ con la precisión de las predicciones del Centro Europeo de Predicción Meteorológica a medio plazo para previsiones de 1 a 15 días, según los autores, que, entre otros, compararon su diseño con el modelo X-SHiELD -basado en la física-.
Para pronósticos con hasta diez días de anticipación, NeuralGCM compite y en ocasiones supera la precisión de los enfoques de aprendizaje automático existentes.
«NeuralGCM produce simulaciones climáticas con el mismo nivel de precisión que los mejores métodos de aprendizaje automático y basados en la física», resumen sus responsables, que añaden que, en conjunto, estos resultados sugieren que el aprendizaje automático es un método viable para mejorar los modelos de circulación general.
Google Research ha puesto NeuralGCM a disposición del público en GitHub, lo que permite a los investigadores trabajar con él.
De interés: EEUU producirá semiconductores con países de Latinoamérica
El Sumario
Con información de EFE Servicios y redes sociales
Visita nuestro canal de noticias en Google News y síguenos para obtener información precisa, interesante y estar al día con todo. También en Twitter e Instagram puedes conocer diariamente nuestros contenidos
