Modelo inovador de inteligência artificial promete transformar as previsões climáticas, segundo estudo da Nature

Um estudo recente publicado na Nature apresenta o NeuralGCM, um modelo de circulação geral neural que promete melhorar significativamente as previsões climáticas e meteorológicas através de técnicas avançadas de aprendizado de máquina.

Clima, IA, AI, modelos de previsao
Cenário onde os sistemas de IA analisam dados climáticos para prever e mitigar os efeitos das mudanças climáticas


Os Modelos de Circulação Geral (GCMs) têm sido fundamentais para as previsões meteorológicas e climáticas ao longo das décadas. Recentemente, um estudo inovador demonstrou como a integração de técnicas de aprendizado de máquina com modelos físicos tradicionais pode melhorar significativamente nossa capacidade de prever o tempo e o clima a longo prazo.

Este novo modelo, denominado NeuralGCM, combina um núcleo dinâmico diferenciável com componentes de aprendizado de máquina para fornecer previsões precisas e eficientes em termos de recursos computacionais.

Publicado na revista Nature, o estudo introduz o NeuralGCM, que incorpora redes neurais na simulação de processos físicos não resolvidos, como formação de nuvens e transporte radiativo.

modelo, clima, previsao
Estrutura do modelo NeuralGCM. Fonte: Kochkov (2024)

Estas redes são treinadas com dados históricos e melhoram a precisão do modelo ao prever dinâmicas climáticas complexas que os modelos tradicionais não conseguem capturar eficientemente.

Melhorias na previsão meteorológica

O NeuralGCM provou ser competitivo com os melhores modelos baseados em física para previsões meteorológicas de um a dez dias e previsões climáticas de longo prazo. A capacidade do modelo de realizar previsões precisas a curto prazo e simular condições climáticas ao longo de várias décadas representa um avanço significativo no modelado climático.

Um dos benefícios mais notáveis do NeuralGCM é a eficiência computacional. O modelo pode realizar simulações climáticas detalhadas com uma fração do custo computacional exigido pelos modelos tradicionais. Esta eficiência permite simulações mais extensas e frequentes, facilitando uma melhor compreensão e resposta às mudanças climáticas.

Impacto potencial

A implementação de técnicas de aprendizado de máquina, como as redes neurais no NeuralGCM, não apenas melhora a precisão das previsões, mas também oferece novas oportunidades para explorar cenários climáticos complexos. Este avanço poderia ser crucial para a tomada de decisão em políticas climáticas, gestão de recursos naturais e preparação para eventos climáticos extremos.

O NeuralGCM é um exemplo brilhante de como a intersecção da ciência da computação e meteorologia pode produzir ferramentas poderosas para enfrentar alguns dos desafios mais urgentes do nosso tempo. À medida que continuamos a integrar e aprimorar essas tecnologias, espera-se que nossa capacidade de prever e responder ao clima em uma escala global seja significativamente aprimorada.

Referência da notícia:
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.