Afin d’aider à faire face à l’un des plus grands défis auxquels l’humanité est confrontée aujourd’hui – le changement climatique – des chercheurs du Lawrence Berkeley National Laboratory (Berkeley Lab), du California Institute of Technology (Caltech) et de la société technologique NVIDIA ont découvert un moyen d’imiter l’atmosphère dynamique et fournir des prévisions météorologiques extrêmes haute fidélité dans le monde entier cinq jours à l’avance.
Pour former le modèle d’apprentissage en profondeur Fourier Neural Operator (FNO) – qui apprend des systèmes physiques complexes avec précision et efficacité – les chercheurs ont utilisé des décennies de données d’ERA5 – l’ensemble de données haute résolution du Centre européen pour les prévisions météorologiques moyennes sur Terre.
Une représentation adaptée du jumeau numérique de la Terre du projet Destination Terre de l’Union européenne. Image : Terre de destination
Ainsi, le FNO a été étendu à 128 GPU NVIDIA A100 à Perlmutter, le nouveau système HPC du National Energy Research Scientific Computing Center (NERSC). L’équipe a développé un modèle mondial de prévision météorologique FNO avec une résolution de 30 km, un ordre de grandeur supérieur à tout émulateur terrestre d’apprentissage en profondeur à la pointe de la technologie.
Ce modèle prédit les vitesses et les pressions du vent à différents niveaux dans l’atmosphère jusqu’à 120 heures à l’avance avec une grande fidélité. De plus, il peut prédire le comportement de certaines classes d’événements météorologiques extrêmes dans le monde des jours à l’avance en aussi peu que 0,25 seconde sur un seul GPU NVIDIA.
Lire la suite:
Les modèles d’apprentissage en profondeur basés sur la physique tels que le FNO offrent le potentiel de prédictions précises de l’évolution spatio-temporelle du système terrestre par des ordres de grandeur plus rapides que les modèles numériques traditionnels.
Selon l’équipe, il s’agit d’un effort continu, et ils étudient la précision comparative de l’apprentissage en profondeur et des modèles climatiques numériques traditionnels en collaboration avec des experts en modélisation atmosphérique et en prévisions météorologiques numériques.
Selon les scientifiques, le modèle FNO développé dans le cadre de la collaboration Berkeley Lab / Caltech / NVIDIA est une étape importante vers la construction d’une Terre jumelle numérique.
Les Digital Twin Earths sont des répliques numériques de notre planète – des simulateurs basés sur la physique, alimentés par l’intelligence artificielle et limités par des données en temps réel.
Comme décrit dans le projet ambitieux Destination Terrede l’Union européenne, un jumeau numérique de la Terre offre aux utilisateurs experts et non experts un accès personnalisé à des informations, des services, des modèles, des prévisions et des visualisations de haute qualité dans les domaines de la surveillance, de la modélisation, de l’atténuation et de l’adaptation du climat.
“C’est formidable de voir cette étape importante dans le développement d’approches sophistiquées d’apprentissage en profondeur vers un changement transformateur dans la modélisation climatique”, a déclaré Wahid Bhimji, chef de groupe par intérim des services de données, d’IA et d’analyse au NERSC. “Nous sommes fiers que les premières collaborations scientifiques du NERSC en matière d’IA et l’infrastructure informatique d’IA de classe mondiale de Permutter puissent contribuer à ce changement.”
