A medida que se presentan huracanes, tornados y otros fenómenos meteorológicos extremos con mayor frecuencia y severidad, es más importante que nunca mejorar y acelerar la investigación del clima y las predicciones utilizando las últimas tecnologías.
Nueva IA generativa para la predicción meteorológica
En medio de los picos de la actual temporada de huracanes en el Atlántico, NVIDIA Research anunció un nuevo modelo de IA generativa, llamado StormCast, para emular dinámicas atmosféricas de alta fidelidad. Esto significa que el modelo puede habilitar una predicción meteorológica confiable a escala mesoscale —una escala más grande que las tormentas pero más pequeña que los ciclones— lo que es fundamental para la planificación y mitigación de desastres.
Colaboración en investigación climática
Detallado en un estudio escrito en colaboración con el Laboratorio Nacional Lawrence Berkeley y la Universidad de Washington, StormCast llega cuando los fenómenos meteorológicos extremos están causando pérdidas de vidas, destruyendo hogares y generando más de $150 mil millones en daños anuales solo en los EE. UU. Es solo un ejemplo de cómo la IA generativa está impulsando avances significativos en la investigación climática y en la predicción de eventos meteorológicos extremos, ayudando a los científicos a enfrentar desafíos de alta importancia: salvar vidas y proteger el planeta.
Simulación y visualización precisas
NVIDIA Earth-2, una plataforma de nube gemela digital que combina la potencia de la IA, simulaciones físicas y gráficos por computadora, permite la simulación y visualización de predicciones climáticas y meteorológicas a escala global con una precisión y velocidad sin precedentes.
Predicción avanzada en Taiwán
En Taiwán, por ejemplo, el Centro Nacional de Ciencia y Tecnología para la Reducción de Desastres previó detalles de alta precisión de los tifones utilizando CorrDiff, un modelo de IA generativa de NVIDIA ofrecido como parte de Earth-2.
CorrDiff puede resolver datos atmosféricos de 25 kilómetros a 12.5x hasta 2 kilómetros, siendo 1,000 veces más rápido y utilizando 3,000 veces menos energía para una sola inferencia que los métodos tradicionales. Esto significa que el trabajo potencialmente vital del centro, que anteriormente costaba casi $3 millones en CPU, puede realizarse con aproximadamente $60,000 en un solo sistema con una GPU NVIDIA H100 Tensor Core. Es una reducción masiva que demuestra cómo la IA generativa y la computación acelerada aumentan la eficiencia energética y reducen costos.
Predicción de vientos dañinos
El centro también planeó utilizar CorrDiff para predecir downwash —cuando los vientos fuertes se dirigen hacia el nivel de la calle, dañando edificios y afectando a peatones— en áreas urbanas. Ahora, StormCast agrega capacidades de predicción autorregresiva horaria a CorrDiff, lo que significa que puede predecir resultados futuros basándose en datos pasados.
Un impacto global desde un enfoque regional
La investigación climática global comienza a nivel regional.
Los riesgos físicos del clima y el cambio climático pueden variar drásticamente en escalas regionales. Sin embargo, la predicción numérica del tiempo a este nivel conlleva costos computacionales sustanciales debido a la alta resolución espacial necesaria para representar los movimientos fluidodinámicos subyacentes a escala mesoscale.
Los modelos de predicción meteorológica regionales, comúnmente conocidos como modelos que permiten convección, han forzado a los investigadores a enfrentar diferentes compromisos en resolución, tamaño de conjunto y asequibilidad.
Estos modelos son útiles para los meteorólogos al rastrear la evolución y estructura de las tormentas, así como para monitorear su modo convectivo, o cómo se organiza una tormenta cuando se forma. Por ejemplo, la probabilidad de un tornado se basa en la estructura de una tormenta y su modo convectivo.
Innovaciones en curso
Los científicos ya estaban buscando aprovechar los beneficios del modelo. “Dado el gran impacto de las tormentas organizadas y la precipitación invernal, así como los importantes desafíos para predecirlas con confianza, la producción de pronósticos de tiempo en escala de tormentas que sean computacionalmente viables representa uno de los grandes desafíos de la predicción numérica del tiempo”, afirmó Tom Hamill, jefe de innovación en The Weather Company. “StormCast es un modelo notable que aborda estos desafíos, y The Weather Company está emocionada por colaborar con NVIDIA en el desarrollo, evaluación y posible uso de estos modelos de pronósticos basados en aprendizaje profundo.”
Además, este nuevo enfoque representa un paso significativo en el desarrollo de futuros modelos de IA para la predicción meteorológica de alta resolución.
