Google Deepmind étonne en surpassant en précision tous les modèles météorologiques actuels
[ad_1]
Une IA développée par Google Deepmind parvient à surpasser les modèles actuels de prévisions météorologiques à moyen terme. Baptisé GraphCastcela ne nécessite qu’une fraction de la puissance de calcul actuellement requise pour fournir des résultats précis en un temps record.
Cela vous intéressera également
(EN VIDÉO) Les prévisions météorologiques pour 2050 se sont-elles déjà réalisées ? À quoi pourrait ressembler la météo en 2050 ? En partenariat avec l’OMM, l’Organisation…
Si vous constatez que les prévisions bulletin météobulletin météo ne sont pas toujours fiables, surtout à moyen terme, l’intelligence artificielle (IA) devrait contribuer à vous faire changer d’avis. Selon un article récemment publié dans la revue Scienceune équipe de GoogleGoogle Deepmind a développé un nouveau programme de prévisions climatiques sur 10 jours appelé GraphCast.
Propulsé par l’IA, GraphCast surpasse presque toujours les outils de prévision existants. Mieux encore, cette IA n’utilise qu’une fraction de la puissance de calcul du système actuel (HRES). Ce qui fait la différence, c’est que l’IA de GraphCast a ingéré des décennies d’informations météorologiques ainsi qu’une quarantaine d’années de données provenant de satellites, de stations météorologiques et de radars. Les processus actuels fonctionnent différemment. Avec une puissance de calcul colossale nécessitant des centaines de machines sur un supercalculateur, les prévisions à 10 jours sont établies avec de gigantesques bases de données. Ils contiennent des données relatives à thermodynamiquethermodynamiquedynamique des fluides et autres critères liés aux conditions atmosphériques.
Exemple de prévision GraphCast sur 10 jours montrant l’humidité, la température de surface et la vitesse du vent. © GraphCast, Deepmind
Plus précis et moins consommateur d’énergie que le modèle actuel
Une seule machine du même type de supercalculateur est nécessaire pour GraphCast fournit une prévision à moyen terme très précise en moins d’une minute. Contrairement au modèle actuel, en limitant la portée de l’analyse à la partie la plus basse duatmosphèreatmosphère où se situent les événements météorologiques les plus visibles, GraphCast s’est même avéré plus précis dans plus de 99,7 % des tests. Depuis ses débuts en septembre avec le Centre européen pour prévisions météorologiquesprévisions météorologiques moyen terme (ECMWF), GraphCast était déjà capable de prédire, neuf jours auparavant, la trajectoire précise de l’ouragan Lee qui a touché la Nouvelle-Écosse, soit trois jours de moins que le HRES. GraphCast vient de l’open source et son expérimentation se poursuivra avec le CEPMMT aux côtés de l’actuel HRES.
[ad_2]
Gn Ca tech
