Об этом сообщает Центр научной коммуникации МФТИ.
Контекст
В последние годы в связи с ростом активности в Арктической зоне РФ возросла необходимость погодных прогнозов. Глобальное потепление приводит к более частым погодным аномалиям в Арктике. Почему бы не использовать нейросети, обученные на больших объёмах суперкомпьютерных расчётов? - подумали российские ученые и разработали климатическую модель, основанную на данных глобального погодного архива ERA5, где климатическая информация представлена с разрешением около 31 км. Алгоритм позволяет повышать детализацию прогнозов до примерно 6×6 км, фактически «достраивая» более точную картину погодных процессов. Это почти в пять раз лучше показателей глобальных климатических моделей.Подробности от заведующего лабораторией машинного обучения в науках о Земле МФТИ М. Криницкого
Климатическая модель корректно воспроизводит ключевые характеристики полярных мезоциклонов, включая их интенсивность и жизненный цикл, что важно для морской безопасности и энергетики.
Мезомасштабные вихри - это атмосферные или океанические циркуляции с горизонтальными размерами до 1000 км, которые формируются и существуют независимо от фронтальных систем синоптического масштаба. Полярные циклоны - это наиболее интенсивные мезовихри, образующиеся зимой над тёплыми акваториями в холодных воздушных массах. В Арктической зоне РФ распространены в Баренцевом,Охотском и Беринговом морях. В Северном полушарии также присутствуют в море Бофорта, Норвежском и Гренландском морях, море Лабрадора, проливе Дэвиса, Датском пролив, заливе Аляска.
После обучения на суперкомпьютерных данных нейросеть смогла за 17 часов освоить закономерности атмосферных процессов. В тестах ее результаты сопоставлялись с моделью WRF, считающейся эталонной для таких расчетов. WRF (Weather Research and Forecasting Model) - это численная модель прогноза погоды: набор программ для моделирования и прогнозирования состояния атмосферы. Модель подходит как для научных атмосферных исследований, так и для оперативного прогнозирования. Разработана на любимом в 1990 - х годах языке Fortran!
Главное преимущество российских разработчиков - скорость. Расчет годичного ветрового поля, который в традиционной модели занимает около 10 часов, ИИ выполняет примерно за 10 минут. Расчёт годичного ветрового поля - это моделирование пространственного распределения скорости и направления ветра на протяжении года для заданной территории. Результат используется в ветроэнергетике, исследованиях климата, экологии, авиации и др.
Напомним, что в апреле 2026 г. стало известно, что специалисты Тольяттинского государственного университета и Саратовского государственного технического университета имени Ю. Гагарина разработали сорбенты, которые впитывают нефть при экстремально низких температурах и легко извлекаются после очистки благодаря магнитным свойствам.
