Alors que les ouragans, les tornades et autres événements météorologiques extrêmes se produisent avec une fréquence et une gravité croissantes, il est plus important que jamais d’améliorer et d’accélérer la recherche et la prévision climatiques en utilisant les dernières technologies.
Au milieu des pics de la saison actuelle des ouragans dans l’Atlantique, NVIDIA Research a annoncé aujourd’hui un nouveau modèle d’IA générative, baptisé StormCast, pour émuler la dynamique atmosphérique haute fidélité. Cela signifie que le modèle peut permettre des prévisions météorologiques fiables à méso-échelle – une échelle plus grande que celle des tempêtes mais plus petite que celle des cyclones – ce qui est essentiel pour la planification et l’atténuation des catastrophes.
Détaillé dans un article rédigé en collaboration avec le Lawrence Berkeley National Laboratory et l’Université de Washington, StormCast arrive alors que des phénomènes météorologiques extrêmes font des morts, détruisent des maisons et causent plus de 150 milliards de dollars de dégâts par an rien qu’aux États-Unis.
Ce n’est là qu’un exemple de la façon dont l’IA générative dynamise des percées tonitruantes dans la recherche sur le climat et la prévision concrète des conditions météorologiques extrêmes, aidant ainsi les scientifiques à relever des défis aux enjeux les plus élevés : sauver des vies et sauver le monde.
NVIDIA Earth-2 — une plate-forme cloud jumelle numérique qui combine la puissance de l’IA, des simulations physiques et de l’infographie — permet la simulation et la visualisation des prévisions météorologiques et climatiques à l’échelle mondiale avec une précision et une rapidité sans précédent.
À Taïwan, par exemple, le Centre national des sciences et technologies pour la réduction des catastrophes prédit les détails à grande échelle des typhons à l’aide de CorrDiff, un modèle d’IA générative NVIDIA proposé dans le cadre de Earth-2.
CorrDiff peut super-résoudre les données atmosphériques à l’échelle de 25 kilomètres de 12,5 fois jusqu’à 2 kilomètres, soit 1 000 fois plus rapidement et en utilisant 3 000 fois moins d’énergie pour une seule inférence que les méthodes traditionnelles.
Cela signifie que le travail potentiellement vital du centre, qui coûtait auparavant près de 3 millions de dollars en processeurs, peut être accompli en utilisant environ 60 000 dollars sur un seul système doté d’un GPU NVIDIA H100 Tensor Core. Il s’agit d’une réduction massive qui montre comment l’IA générative et le calcul accéléré augmentent l’efficacité énergétique et réduisent les coûts.
Le centre prévoit également d’utiliser CorrDiff pour prédire les courants descendants – lorsque des vents forts descendent jusqu’au niveau de la rue, endommageant les bâtiments et affectant les piétons – dans les zones urbaines.
Désormais, StormCast ajoute des capacités de prédiction autorégressive horaire à CorrDiff, ce qui signifie qu’il peut prédire les résultats futurs en fonction des résultats passés.
Un impact mondial à partir d’une approche régionale
La recherche sur le climat mondial commence au niveau régional.
Les aléas physiques liés aux conditions météorologiques et au changement climatique peuvent varier considérablement à l’échelle régionale. Mais des prévisions météorologiques numériques fiables à ce niveau s’accompagnent de coûts de calcul importants. Cela est dû à la haute résolution spatiale nécessaire pour représenter les mouvements dynamiques des fluides sous-jacents à méso-échelle.
Les modèles régionaux de prévision météorologique – souvent appelés modèles permettant la convection, ou CAM – ont traditionnellement contraint les chercheurs à faire face à divers compromis en termes de résolution, de taille d’ensemble et de prix abordable.
Les CAM sont utiles aux météorologues pour suivre l’évolution et la structure des tempêtes, ainsi que pour surveiller leur mode convectif, ou la manière dont une tempête s’organise lorsqu’elle se forme. Par exemple, la probabilité d’une tornade dépend de la structure de la tempête et de son mode convectif.
Les CAM aident également les chercheurs à comprendre les implications des risques physiques liés aux conditions météorologiques au niveau des infrastructures.
Par exemple, les simulations de modèles climatiques mondiaux peuvent être utilisées pour éclairer les CAM, en les aidant à traduire les changements lents de la teneur en humidité des grands fleuves atmosphériques en projections de crues soudaines dans les zones côtières vulnérables.
À des résolutions inférieures, les modèles d’apprentissage automatique formés sur des données mondiales sont devenus des émulateurs utiles de modèles numériques de prévision météorologique qui peuvent être utilisés pour améliorer les systèmes d’alerte précoce en cas d’événements graves. Ces modèles d’apprentissage automatique ont généralement une résolution spatiale d’environ 30 kilomètres et une résolution temporelle de six heures.
Désormais, grâce à la diffusion générative, StormCast permet cela à une échelle horaire de 3 kilomètres.
Bien qu’il en soit à ses débuts, le modèle — lorsqu’il est appliqué avec des radars de précipitations — offre déjà des prévisions avec des délais allant jusqu’à six heures, qui sont jusqu’à 10 % plus précises que l’état de la situation de la National Oceanic and Atmospheric Administration (NOAA) des États-Unis. -CAM opérationnel de 3 kilomètres à la pointe de la technologie.
De plus, les résultats de StormCast présentent des dynamiques de chaleur et d’humidité physiquement réalistes et peuvent prédire plus de 100 variables, telles que la température, la concentration d’humidité, les valeurs de réflectivité radar du vent et des précipitations à plusieurs altitudes finement espacées. Cela permet aux scientifiques de confirmer l’évolution 3D réaliste de la flottabilité d’une tempête – une première en son genre dans la simulation météorologique par l’IA.
Les chercheurs de NVIDIA ont formé StormCast sur environ trois ans et demi de données climatiques de la NOAA provenant du centre des États-Unis, en utilisant le calcul accéléré de NVIDIA pour accélérer les calculs.
Plus d’innovations brassicoles
Les scientifiques cherchent déjà à exploiter les avantages de ce modèle.
“Compte tenu à la fois des impacts démesurés des orages organisés et des précipitations hivernales, et des défis majeurs liés à leur prévision avec confiance, la production de prévisions météorologiques d’ensemble à l’échelle des tempêtes, exploitables par ordinateur, représente l’un des grands défis de la prévision numérique du temps”, a déclaré Tom Hamill, responsable de l’innovation chez The Weather Company. « StormCast est un modèle remarquable qui répond à ces défis, et The Weather Company est ravie de collaborer avec NVIDIA pour développer, évaluer et potentiellement utiliser ces modèles de prévision d’apprentissage profond. »
“Le développement de modèles météorologiques à haute résolution nécessite des algorithmes d’IA pour résoudre la convection, ce qui constitue un énorme défi”, a déclaré Imme Ebert-Uphoff, responsable de l’apprentissage automatique à l’Institut coopératif pour la recherche sur l’atmosphère de l’Université d’État du Colorado. “La nouvelle recherche de NVIDIA explore le potentiel d’y parvenir avec des modèles de diffusion comme StormCast, qui représentent une étape importante vers le développement de futurs modèles d’IA pour la prévision météorologique à haute résolution.”
Parallèlement à l’accélération et à la visualisation de simulations climatiques physiquement précises, ainsi qu’à un jumeau numérique de notre planète, de telles avancées en matière de recherche montrent comment NVIDIA Earth-2 ouvre une nouvelle ère vitale pour la recherche sur le climat.
En savoir plus sur informatique durable et Recherche NVIDIA, une équipe mondiale composée de centaines de scientifiques et d’ingénieurs qui se concentre sur des sujets tels que l’IA climatique, l’infographie, la vision par ordinateur, les voitures autonomes et la robotique.
Image présentée avec l’aimable autorisation de la NASA.
Voir avis concernant les informations sur les produits logiciels.