Come afferma NVIDIA, poiché uragani, tornado e altri eventi meteorologici estremi si verificano con una frequenza e una gravità sempre maggiori, è più importante che mai migliorare e accelerare la ricerca e la previsione del clima utilizzando le tecnologie più recenti.
Tra i picchi dell’attuale stagione degli uragani atlantici, NVIDIA Research ha annunciato un nuovo modello di intelligenza artificiale generativa, denominato StormCast, per l’emulazione di dinamiche atmosferiche ad alta fedeltà. Ciò significa, spiega l’azienda, che il modello è in grado di consentire una previsione affidabile del tempo alla mesoscala – una scala più grande delle tempeste ma più piccola dei cicloni – che è fondamentale per la pianificazione e la mitigazione dei disastri.
StormCast, descritto in un paper scritto in collaborazione con il Lawrence Berkeley National Laboratory e l’Università di Washington, arriva mentre i fenomeni meteorologici estremi mietono vittime, distruggono case e causano danni per oltre 150 miliardi di dollari all’anno solo negli Stati Uniti, sottolinea NVIDIA, che aggiunge: questo è solo un esempio di come l’intelligenza artificiale generativa stia potenziando la ricerca sul clima e la previsione di fenomeni meteorologici estremi, aiutando gli scienziati ad affrontare le sfide più importanti: salvare vite umane e il mondo.
NVIDIA Earth-2 – una piattaforma cloud di gemelli digitali che combina la potenza dell’intelligenza artificiale, delle simulazioni fisiche e della grafica computerizzata – consente la simulazione e la visualizzazione di previsioni meteorologiche e climatiche su scala globale con una precisione e una velocità senza precedenti, afferma l’azienda.
A Taiwan, condivide come esempio NVIDIA, il National Science and Technology Center for Disaster Reduction predice i dettagli su scala fine dei tifoni utilizzando CorrDiff, un modello di intelligenza artificiale generativa di NVIDIA offerto come parte di Earth-2.
CorrDiff è in grado di super-risolvere i dati atmosferici su scala di 25 chilometri di 12,5 volte fino a 2 chilometri, con una velocità 1.000 volte superiore e un consumo di energia 3.000 volte inferiore per una singola inferenza rispetto ai metodi tradizionali.
Ciò significa che il lavoro potenzialmente salvavita del centro, che in precedenza costava quasi 3 milioni di dollari per le CPU, può essere realizzato con circa 60.000 dollari per un singolo sistema con una GPU NVIDIA H100 Tensor Core. Si tratta di una riduzione massiccia – sottolinea NVIDIA – che dimostra come l’AI generativa e l’accelerated computing aumentino l’efficienza energetica e riducano i costi.
Il centro prevede anche di utilizzare CorrDiff per prevedere il downwash – quando i venti forti scendono a livello della strada, danneggiando gli edifici e colpendo i pedoni – nelle aree urbane.
Ora, StormCast aggiunge a CorrDiff la capacità di previsione autoregressiva su base oraria, che consente di prevedere i risultati futuri sulla base di quelli passati.
La ricerca sul clima globale, spiega NVIDIA, inizia a livello regionale. I rischi fisici del meteo e dei cambiamenti climatici possono variare notevolmente su scala regionale. Ma una previsione numerica affidabile del tempo a questo livello comporta costi computazionali notevoli. Ciò è dovuto all’elevata risoluzione spaziale necessaria per rappresentare i moti fluidodinamici alla mesoscala.
I modelli di previsione meteorologica regionale – spesso definiti convection-allowing model, o CAM – hanno tradizionalmente costretto i ricercatori ad affrontare diversi compromessi in termini di risoluzione, dimensione dell’ensemble e convenienza.
I CAM sono utili ai meteorologi per seguire l’evoluzione e la struttura dei temporali, nonché per monitorare la modalità convettiva, ovvero come si organizza un temporale quando si forma. Ad esempio, la probabilità di un tornado si basa sulla struttura e sulla modalità convettiva di una tempesta.
I CAM – sottolinea ancora NVIDIA – aiutano anche i ricercatori a comprendere le implicazioni dei rischi fisici legati alle condizioni atmosferiche a livello di infrastrutture. Ad esempio, le simulazioni dei modelli climatici globali possono essere utilizzate per informare i CAM, aiutandoli a tradurre i lenti cambiamenti nel contenuto di umidità dei grandi fiumi atmosferici in proiezioni di inondazioni improvvise nelle aree costiere vulnerabili.
A risoluzioni più basse, i modelli di machine learning addestrati su dati globali sono emersi come utili emulatori dei modelli numerici di previsione meteorologica che possono essere utilizzati per migliorare i sistemi di allerta precoce per gli eventi gravi. Questi modelli di apprendimento automatico hanno in genere una risoluzione spaziale di circa 30 chilometri e una risoluzione temporale di sei ore.
Ora, con l’aiuto della diffusione generativa, StormCast permette di farlo su una scala oraria e di 3 chilometri.
Nonostante sia ancora in fase embrionale, spiega NVIDIA, il modello – se applicato ai radar di precipitazione – offre già previsioni con tempi di esecuzione fino a sei ore, fino al 10% più accurate rispetto al CAM operativo a 3 chilometri allo stato dell’arte della National Oceanic and Atmospheric Administration (NOAA) degli Stati Uniti.
Inoltre, i risultati di StormCast mostrano dinamiche di calore e umidità fisicamente realistiche e sono in grado di prevedere oltre 100 variabili, come temperatura, concentrazione di umidità, vento e valori di riflettività radar delle precipitazioni a quote multiple e finemente distanziate. Questo permette agli scienziati di confermare l’evoluzione realistica in 3D della galleggiabilità di una tempesta – un risultato unico nel suo genere nella simulazione meteorologica AI. Mette in evidenza NVIDIA.
I ricercatori di NVIDIA hanno addestrato StormCast su circa tre anni e mezzo di dati climatici NOAA provenienti dagli Stati Uniti centrali, utilizzando l’accelerated computing di NVIDIA per velocizzare i calcoli.
Gli scienziati stanno già cercando di sfruttare i vantaggi del modello, sottolinea NVIDIA.
“Dato l’enorme impatto dei temporali organizzati e delle precipitazioni invernali e le grandi difficoltà nel prevederli con sicurezza, la produzione di previsioni meteorologiche d’insieme su scala temporale computabili rappresenta una delle grandi sfide della previsione meteorologica numerica”, ha dichiarato Tom Hamill, responsabile dell’innovazione di The Weather Company. “StormCast è un modello notevole che affronta queste sfide e The Weather Company è entusiasta di collaborare con NVIDIA per lo sviluppo, la valutazione e il potenziale utilizzo di questi modelli di deep learning di previsione.”
“Lo sviluppo di modelli meteorologici ad alta risoluzione richiede che gli algoritmi di intelligenza artificiale risolvano la convezione, il che rappresenta una sfida enorme”, ha dichiarato Imme Ebert-Uphoff, responsabile dell’apprendimento automatico presso il Cooperative Institute for Research in the Atmosphere della Colorado State University. “La nuova ricerca di NVIDIA esplora il potenziale di realizzazione di questo obiettivo con modelli di diffusione come StormCast, il che rappresenta un passo significativo verso lo sviluppo di futuri modelli di intelligenza artificiale per la previsione meteorologica ad alta risoluzione”.
Oltre all’accelerazione e alla visualizzazione di simulazioni climatiche fisicamente accurate, nonché di un gemello digitale del nostro pianeta, queste scoperte frutto della ricerca indicano come NVIDIA Earth-2 stia dando vita a una nuova, vitale era della ricerca sul clima, conclude l’azienda.
