A renomada revista científica Nature publica artigo de autoria de pesquisadores da Huawei Cloud sobre o modelo de IA Pangu-Weather

06 de julho de 2023 GMT+08:00

Em 5 de julho de 2023, a Huawei Cloud anunciou que um artigo sobre o seu inovador modelo de IA Pangu-Weather foi publicado pela Nature, uma das principais revistas científicas do mundo.

De acordo com o Nature Index, este artigo é o primeiro no qual funcionários de uma empresa de tecnologia chinesa s?o os únicos autores de um artigo da Nature. O artigo, descrevendo como desenvolver um sistema de previs?o meteorológica global de IA preciso e correto baseado em Deep Learning usando dados de 43 anos, foi publicado na renomada revista em 5 de julho de 2023.

O Pangu-Weather é o primeiro modelo de previs?o de IA a demonstrar maior precis?o que os métodos tradicionais de previs?o meteorológica numérica. O modelo permite uma melhoria de 10 mil vezes na velocidade de previs?o, reduzindo o tempo necessário para obter a previs?o meteorológica global para apenas alguns segundos. O artigo, intitulado "Previs?es meteorológicas globais precisas de médio alcance com redes neurais 3D", fornece verifica??es independentes dessas capacidades.

O Pangu-Weather desafia as teorias mantidas anteriormente de que a precis?o da previs?o meteorológica de IA é inferior às previs?es numéricas tradicionais. O modelo, desenvolvido pela equipe da Huawei Cloud, é o primeiro modelo de previs?o de IA com maior precis?o do que os métodos tradicionais de previs?o numérica.  

Com o rápido desenvolvimento do poder computacional nos últimos 30 anos, a precis?o da previs?o meteorológica numérica melhorou significativamente, fornecendo alerta de desastres e previs?es de mudan?as climáticas extremas. Mesmo assim, o método continua a ser relativamente lento. Para melhorar as velocidades de previs?o, os pesquisadores têm explorado como usar métodos de Deep Learning. Todavia, a precis?o da previs?o baseada em IA para previs?es de médio e longo prazo permaneceu inferior às previs?es numéricas. A IA tem sido incapaz de prever condi??es meteorológicas extremas e incomuns, como tuf?es.

Todos os anos, há cerca de 80 tuf?es em todo o mundo. Em 2022, somente na China, a perda econ?mica direta causada pelos tuf?es foi de CNY 5,42 bilh?es, segundo os números apresentados pelo Ministério de Gerenciamento de Emergências da China. Quanto mais cedo o alerta puder ser enviado, mais fácil e melhor será fazer os preparativos adequados.

Por causa de sua velocidade, os modelos de previs?o meteorológica de IA têm sido atraentes, mas n?o s?o precisos por dois motivos. Primeiro, os modelos de previs?o meteorológica de IA existentes s?o baseados em redes neurais 2D, que n?o podem processar adequadamente os dados meteorológicos 3D irregulares. Segundo, a previs?o do tempo de médio alcance pode ter erros de previs?o cumulativa quando o modelo é chamado muitas vezes.

Como o Pangu-Weather responde a esses desafios

Durante os ensaios científicos, o modelo Pangu-Weather demonstrou maior precis?o em compara??o com os métodos tradicionais de previs?o numérica para previs?es de 1 hora a 7 dias, com um aumento de velocidade de previs?o de 10 mil vezes. O modelo pode prever com precis?o características meteorológicas refinadas, incluindo umidade, velocidade do vento, temperatura e press?o ao nível do mar em segundos.

O modelo usa a arquitetura 3D Earth-Specific Transformer (3DEST) para processar dados meteorológicos 3D complexos n?o uniformes. Usando uma estratégia hierárquica, temporal e agregativa, o modelo foi treinado para diferentes intervalos de previs?o usando períodos de 1 hora, 3 horas, 6 horas e 24 horas. Isso resultou na minimiza??o da quantidade de itera??es necessárias para prever uma condi??o meteorológica em um momento específico e uma redu??o de previs?es incorretas.

Para treinar o modelo para intervalos de tempo específicos, os pesquisadores treinaram 100 períodos (ciclos) usando amostras horárias de dados meteorológicos de 1979 a 2021. Cada um dos submodelos que resultaram exigiu 16 dias de treinamento em 192 placas gráficas V100. Atualmente, o modelo Pangu-Weather pode completar previs?es meteorológicas globais de 24 horas em apenas 1,4 segundo em uma placa gráfica V100, uma melhoria de 10 mil vezes em compara??o com a previs?o numérica tradicional.

Dr. Tian Qi, cientista-chefe do Huawei Cloud AI Field, membro do IEEE e acadêmico da Academia Internacional de Ciências da Eurásia, explica por qual motivo a equipe de IA da Huawei Cloud escolheu se concentrar nas previs?es meteorológicas: "A previs?o meteorológica é um dos cenários mais importantes no campo de computa??o científica porque a previs?o meteorológica é um sistema muito complexo, ainda é difícil cobrir todos os aspectos do conhecimento matemático e físico. Estamos, portanto, muito satisfeitos que nossa pesquisa tenha sido reconhecida pela revista Nature. Modelos de IA podem minerar leis estatísticas da evolu??o atmosférica com grande volume de dados. Atualmente, o Pangu-Weather realiza principalmente o trabalho do sistema de previs?o, e sua principal capacidade é prever a evolu??o dos estados atmosféricos. Nosso objetivo final é criar uma estrutura de previs?o meteorológica de última gera??o usando tecnologias de IA para fortalecer os sistemas de previs?o existentes. "

Em discuss?o sobre o significado e a qualidade da pesquisa da Huawei Cloud, os avaliadores acadêmicos da Nature explicaram que o Pangu-Weather é muito fácil de baixar e executar, além de ser executado rapidamente até mesmo em um desktop. "Isso significa que qualquer pessoa da comunidade meteorológica pode executar e testar esses modelos livremente. Que grande oportunidade para a comunidade explorar como o modelo prevê fen?menos específicos com qualidade. Isso vai ajudar o progresso nesta área de estudos." Outro avaliador observou que "Os resultados s?o um avan?o significativo em rela??o aos resultados anteriores. Este trabalho, na minha opini?o, fará com que as pessoas reavaliem como os modelos de previs?o ser?o no futuro."

Em maio de 2023, o tuf?o Mawar chamou a aten??o do mundo como o ciclone tropical mais forte do ano até agora. De acordo com a Administra??o Meteorológica da China, o Pangu-Weather previu com precis?o a trajetória do tuf?o Mawar cinco dias antes de mudar de curso nas águas orientais das ilhas de Taiwan (China).

O erro do Pangu foi menor na previs?o da trajetória do tuf?o Mawar.

Além disso, avan?ar continuamente os principais modelos de previs?o meteorológica de IA, os ambientes em nuvem estáveis, os pacotes de trabalho e a O&M correspondente também s?o fatores essenciais.