Google DeepMind ha desarrollado un nuevo modelo que representa un avance significativo en la predicción climática. El modelo ha sido bautizado como GenCast y hace predicciones basadas en aprendizaje automático (ML) que superan a los métodos tradicionales de predicción numérica del tiempo (NWP). Este modelo es capaz de generar pronósticos probabilísticos globales de 15 días con una resolución de 0.25°, lo que representa una mejora significativa en la precisión y velocidad en comparación con el sistema de pronóstico en conjunto más avanzado actualmente, el ENS del Centro Europeo para las Previsiones Meteorológicas a Medio Plazo (ECMWF).
GenCast se entrena utilizando décadas de datos de reanálisis y produce un conjunto de pronósticos estocásticos en intervalos de 12 horas, abarcando más de 80 variables atmosféricas y de superficie. En pruebas realizadas, GenCast mostró una habilidad superior en el 97.2% de los 1,320 objetivos evaluados, mejorando especialmente en la predicción de fenómenos climáticos extremos, trayectorias de ciclones tropicales y producción de energía eólica. La importancia de este avance radica en que las predicciones del tiempo son inherentemente inciertas, lo que hace crucial conocer no solo un escenario probable, sino también el rango de posibles escenarios y su probabilidad de ocurrencia. A diferencia de los métodos NWP tradicionales, que tienden a ofrecer pronósticos deterministas, GenCast se enfoca en modelar la distribución de probabilidad de diferentes escenarios futuros, lo que permite a los usuarios tomar decisiones más informadas en situaciones críticas, como la preparación ante desastres naturales o la gestión de recursos energéticos renovables.
El modelo GenCast utiliza un enfoque de modelo de difusión condicional, que permite generar muestras de pronósticos a partir de estados atmosféricos iniciales, refinando iterativamente un estado candidato que comienza como ruido. Este proceso de refinamiento se realiza a través de una red neuronal diseñada para eliminar el ruido, lo que resulta en pronósticos más nítidos y realistas. Los resultados de GenCast no solo son prometedores para la predicción del tiempo, sino que también abren nuevas posibilidades para la mejora de la gestión de la energía eólica y la mitigación de los efectos devastadores de los ciclones tropicales, lo que podría tener un impacto significativo en la seguridad pública y la planificación de recursos a nivel global.
El modelo se basa en datos históricos de reanálisis desde 1979 hasta 2018 y se ha evaluado utilizando datos de 2019. La investigación y el desarrollo de GenCast se han llevado a cabo en un contexto donde la mejora de las predicciones meteorológicas es cada vez más crucial debido al cambio climático y la creciente frecuencia de eventos climáticos extremos.
Otro de los puntos fuertes de GenCast es su capacidad para estimar de manera efectiva la producción de energía eólica, un aspecto clave para la planificación de redes eléctricas renovables. Según los estudios, las predicciones de GenCast ofrecen mejoras de hasta un 20% en los márgenes de error, especialmente en escalas temporales más cortas, como de uno a dos días.
La necesidad de GenCast surge de la incertidumbre inherente en las predicciones meteorológicas. Los pronósticos tradicionales a menudo no representan adecuadamente la incertidumbre y el riesgo, lo que puede llevar a decisiones inadecuadas en situaciones críticas, como la planificación de la energía renovable o la preparación para fenómenos meteorológicos extremos.
Google DeepMind
Los autores del avance en la predicción del clima probabilística, conocido como GenCast, son un equipo de investigadores de Google DeepMind. Este equipo incluye a Ilan Price, Alvaro Sanchez-Gonzalez, Ferran Alet, Tom R. Andersson, Andrew El-Kadi, Dominic Masters, Timo Ewalds, Jacklynn Stott, Shakir Mohamed, Peter Battaglia, Remi Lam y Matthew Willson. Todos ellos han contribuido de manera significativa al desarrollo de este modelo, que se basa en técnicas de aprendizaje automático para mejorar la precisión y la eficiencia de las predicciones meteorológicas. Google DeepMind es conocido por su enfoque innovador en la inteligencia artificial y el aprendizaje automático, y este trabajo representa un avance importante en la aplicación de estas tecnologías al campo de la meteorología.
Google DeepMind es una empresa de inteligencia artificial que forma parte de Alphabet Inc., la empresa matriz de Google. Se centra en el desarrollo de tecnologías de aprendizaje automático y redes neuronales, con el objetivo de resolver problemas complejos y avanzar en la investigación en inteligencia artificial. DeepMind es conocida por sus innovaciones en el campo del aprendizaje profundo y ha realizado contribuciones significativas en áreas como la predicción del clima, el juego de Go y la salud. Su enfoque combina métodos tradicionales de modelado con técnicas avanzadas de aprendizaje automático para mejorar la precisión y la eficiencia en diversas aplicaciones.
Toda la información sobre GenCast fue publicada ayer en Nature.
La imagen de representación de esta noticia ha sido generada con Ideogram.
