Un innovador modelo de inteligencia artificial promete transformar las predicciones climáticas, según estudio de Nature

Un estudio reciente publicado en Nature presenta NeuralGCM, un modelo neuronal de circulación general que promete mejorar significativamente las predicciones climáticas y meteorológicas mediante técnicas avanzadas de aprendizaje automático.

Clima, Inteligencia Artificial, IA, modelización predictiva
Escenario en el que los sistemas de IA analizan los datos climáticos para predecir y mitigar los efectos del cambio climático.

Los modelos de circulación general (GCMs) han sido fundamentales para las predicciones meteorológicas y climáticas a lo largo de décadas. Recientemente, un estudio innovador demostró cómo la integración de técnicas de aprendizaje automático con modelos físicos tradicionales puede mejorar significativamente nuestra capacidad para predecir el tiempo y el clima a largo plazo.

Este nuevo modelo, llamado NeuralGCM, combina un núcleo dinámico diferenciable con componentes de aprendizaje automático para proporcionar predicciones precisas y computacionalmente eficientes.

Publicado en la revista Nature, el estudio presenta NeuralGCM, que incorpora redes neuronales en la simulación de procesos físicos no resueltos como la formación de nubes y el transporte radiativo.

modelo, tiempo, previsión
Estructura del modelo NeuralGCM. Fuente: Kochkov (2024)

Estas redes están entrenadas con datos históricos y mejoran la precisión del modelo al predecir dinámicas climáticas complejas que los modelos tradicionales no pueden capturar de manera eficiente.

Mejoras en el pronóstico del tiempo

NeuralGCM ha demostrado ser competitivo con los mejores modelos basados en la física para pronósticos meteorológicos de uno a diez días y predicciones climáticas a largo plazo. La capacidad del modelo para realizar pronósticos precisos a corto plazo y simular condiciones climáticas durante varias décadas representa un avance significativo en la modelización climática.

Uno de los beneficios más notables de NeuralGCM es la eficiencia computacional. El modelo puede realizar simulaciones climáticas detalladas a una fracción del costo computacional requerido por los modelos tradicionales. Esta eficiencia permite realizar simulaciones más extensas y frecuentes, lo que facilita una mejor comprensión y respuesta al cambio climático.

Impacto potencial

La implementación de técnicas de aprendizaje automático, como las redes neuronales, en NeuralGCM no solo mejora la precisión de los pronósticos, sino que también brinda nuevas oportunidades para explorar escenarios climáticos complejos. Este avance podría ser crucial para la toma de decisiones en materia de política climática, gestión de recursos naturales y preparación para eventos climáticos extremos.

NeuralGCM es un ejemplo brillante de cómo la intersección de la informática y la meteorología puede producir herramientas poderosas para abordar algunos de los desafíos más apremiantes de nuestro tiempo. A medida que continuamos integrando y mejorando estas tecnologías, se espera que nuestra capacidad para predecir y responder al clima a escala global mejore significativamente.

Referencia de la noticia:
Kochkov, D., Yuval, J., Langmore, I., Norgaard, P., Smith, J., Mooers, G., ... & Hoyer, S. (2024). Neural general circulation models for weather and climate. Nature, 1-7.