LA PIATTAFORMA

Cambiamento climatico, l’intelligenza artificiale by Huawei rivoluziona le previsioni

Il modello Pangu Weather utilizza un’architettura 3D Earth-Specific Transformer per elaborare dati meteorologici complessi e disomogenei. Consente di migliorare di 10.000 volte la velocità di previsione meteo inviando alert in caso di rischio di catastrofe naturale e fornendo preziose previsioni sulle mutazioni del clima

11 Lug 2023

Paolo Marelli

hurricane-g29030df11_1280

Pangu Weather è il rivoluzionario modello di previsione meteorologica basato sull’intelligenza artificiale di Huawei Cloud che in grado di assicurare una maggiore accuratezza rispetto ai tradizionali modelli numerici. Consente infatti di migliorare di 10.000 volte la velocità di previsione, riducendo così il tempo complessivo di elaborazione a pochi secondi. Una velocità che risulta cruciale per prevede eventi naturali estremi causati dal cambiamento climatico. 

Intelligenza artificiale e deep learning

L’importanza di Pangu Weather è testimoniata anche da “Nature”, la più antica e prestigiosa rivista nell’ambito della comunità scientifica internazionale. Nell’articolo dal titolo “Accurate medium-range global weather forecasting with 3D neural networks” è illustrato come sviluppare un sistema di previsioni meteorologiche globali basato sull’artificial intelligence, che sia accurato, basato sul deep learning e che utilizzi un database di oltre 43 anni di informazioni meteo, fornendo così un endorsement imparziale di Pangu Weather.

WHITEPAPER
Intelligenza artificiale e Machine learning: Acceleratori di Innovazione Industriale
Business Intelligence
Predictive analytics

Dati meteorologici 3D

Nel dettaglio, il modello Pangu Weather utilizza un’architettura 3D Earth-Specific Transformer per elaborare dati meteorologici 3D complessi e disomogenei. Utilizzando una strategia di aggregazione temporale gerarchica, il modello è stato strutturato su diversi intervalli temporali di previsione, pari a 1 ora, 3 ore, 6 ore e 24 ore. Ciò ha permesso di minimizzare la quantità di iterazioni per prevedere una condizione meteorologica in uno specifico momento e ridurre così le previsioni errate.

10mila volte più veloce

Per accrescere la sensibilità del modello su intervalli di tempo specifici, i ricercatori hanno creato 100 epoche (cicli) utilizzando campioni orari di dati meteorologici dal 1979 al 2021. Ciò ha portato alla creazione di diversi sotto-modelli, con ciascuno di questi che ha richiesto 16 giorni di training su 192 schede grafiche V100. Così facendo, il modello Pangu Weather è stato in grado di completare previsioni meteo globali di 24 ore in soli 1,4 secondi, su una scheda grafica V100, e con un miglioramento della velocità di 10.000 volte rispetto alle previsioni numeriche tradizionali.

Informatica e previsioni meteo

“Le previsioni meteorologiche – dice Tian Qi, chief ccientist of Huawei Cloud AI Field, Ieee Fellow e Academician of the International Eurasian Academy of Sciences – sono uno degli scenari più importanti nel campo dell’informatica perché sono un sistema estremamente complesso, per cui è sempre stato difficile coprire tutti gli aspetti della conoscenza matematica e fisica su questo tema. I modelli di  intelligenza artificiale possono infatti estrapolare le leggi statistiche dell’evoluzione atmosferica da una mole di dati enorme.

@RIPRODUZIONE RISERVATA

Valuta la qualità di questo articolo

La tua opinione è importante per noi!

Articolo 1 di 4