В частности, модель, получившая название Spherical DIffusion, может прогнозировать климатические изменения за 100 лет за 25 часов - на моделирование, которое для других моделей заняло бы недели. Кроме того, существующие современные модели должны запускаться на суперкомпьютерах. Эта модель может работать на кластерах графических процессоров в исследовательской лаборатории.

"Модели глубокого обучения, основанные на данных, находятся на пороге трансформации глобального моделирования погоды и климата", - пишут исследователи из Калифорнийского университета в Сан-Диего и Института искусственного интеллекта Аллена.

Исследовательская группа представит свою работу на конференции NeurIPS 2024, которая пройдет с 9 по 15 декабря в Ванкувере, Канада.

Моделирование климата в настоящее время обходится очень дорого из-за его сложности. В результате ученые и политики могут проводить моделирование только в течение ограниченного периода времени и рассматривать только ограниченные сценарии.

Одним из ключевых открытий исследователей стало то, что генеративные модели искусственного интеллекта, такие как диффузионные модели, могут использоваться для комплексных климатических прогнозов. Они объединили это со сферическим нейронным оператором, моделью нейронной сети, предназначенной для работы с данными на сфере.

Полученная в результате модель основывается на знании климатических особенностей, а затем применяет ряд преобразований, основанных на полученных данных, для прогнозирования будущих изменений.

"Одно из главных преимуществ по сравнению с обычной диффузионной моделью (DM) заключается в том, что наша модель намного эффективнее. Возможно, с помощью обычной DMS можно будет генерировать столь же реалистичные и точные прогнозы, но не с такой скоростью", - пишут исследователи.

Помимо того, что модель работает намного быстрее, чем современные решения, она также почти так же точна, но при этом не требует больших вычислительных затрат.

У модели есть некоторые ограничения, которые исследователи намерены преодолеть в следующих версиях, например, включить больше элементов в свои расчеты. Следующие шаги включают моделирование реакции атмосферы на CO₂.

"Мы имитировали атмосферу, которая является одним из наиболее важных элементов климатической модели", - сказала Роуз Ю, преподаватель факультета компьютерных наук и инженерии Калифорнийского университета в Сан-Диего и один из старших авторов статьи.

Эта работа основана на стажировке, которую одна из аспирантов Ю, Сальва Рухлинг Кашай, проходила в Институте искусственного интеллекта имени Аллена (Ai2).