Le modèle météorologique montre une forte performance par rapport à la prédiction traditionnelle en termes de vitesse et de précision.

L’article décrivant les détails du modèle révolutionnaire d’IA météorologique de Pangu a été publié par Nature, l’une des meilleures revues scientifiques au monde.

Moyen-Orient : HUAWEI CLOUD a publié un article révolutionnaire sur le modèle Pangu Weather AI dans l’une des meilleures revues scientifiques au monde, Nature. L’article décrit comment développer un système mondial de prévision météorologique basé sur l’apprentissage en profondeur en utilisant 43 ans de données.

Pangu-Weather est le premier modèle de prédiction IA à démontrer une plus grande précision que les méthodes numériques traditionnelles de prévision météorologique. Le modèle permet une amélioration de 10 000 fois de la vitesse de prévision, réduisant le temps de prévision météorologique mondial à quelques secondes seulement.

Pangu-Weather remet en question les hypothèses précédemment retenues selon lesquelles la précision des prévisions météorologiques de l’IA est inférieure aux prévisions numériques traditionnelles. Le modèle, développé par l’équipe HUAWEI CLOUD, est le premier modèle de prédiction d’IA avec une plus grande précision que les méthodes de prédiction numériques traditionnelles.

Le document, intitulé « Prévisions météorologiques mondiales précises à moyenne portée avec des réseaux de neurones 3D » fournit des vérifications indépendantes de ces capacités. La publication marque la première fois que les employés d’une entreprise technologique chinoise sont les seuls auteurs d’un article de Nature, selon Nature Index.

Avec le développement rapide de la puissance de calcul au cours des 30 dernières années, la précision des prévisions météorologiques numériques s’est considérablement améliorée, fournissant des alertes aux catastrophes extrêmes et des prévisions sur les changements climatiques. Mais la méthode reste relativement chronophage. Pour améliorer les vitesses de prédiction, les chercheurs ont exploré comment utiliser les méthodes d’apprentissage en profondeur. Pourtant, la précision des prévisions basées sur l’IA pour les prévisions à moyen et long terme est restée inférieure aux prévisions numériques. L’IA a été la plupart du temps incapable de prédire les conditions météorologiques extrêmes et inhabituelles telles que les typhons.

Chaque année, il y a environ 80 typhons dans le monde. En 2022, rien qu’en Chine, les pertes économiques directes causées par les typhons se sont élevées à 5,42 milliards de yuans, selon les chiffres du ministère chinois de la Gestion des urgences. Plus les avertissements peuvent être envoyés tôt, plus il est facile et efficace de faire les préparatifs adéquats.

En raison de leur rapidité, les modèles de prévisions météorologiques IA ont été attrayants mais ont manqué de précision pour deux raisons. Premièrement, les modèles de prévisions météorologiques IA existants sont basés sur des réseaux de neurones 2D, qui ne peuvent pas bien traiter les données météorologiques 3D inégales. Deuxièmement, les prévisions météorologiques à moyen terme peuvent souffrir d’erreurs de prévision cumulatives lorsque le modèle est appelé trop souvent.

Comment Pangu-Weather relève ces défis
Lors d’essais scientifiques, le modèle Pangu-Weather a démontré sa plus grande précision par rapport aux méthodes de prédiction numériques traditionnelles pour des prévisions de 1 heure à 7 jours, avec un gain de vitesse de prédiction de 10 000 fois. Le modèle peut prédire avec précision en quelques secondes des caractéristiques météorologiques à grain fin, notamment l’humidité, la vitesse du vent, la température et la pression au niveau de la mer.

Le modèle utilise une architecture 3D Earth-Specific Transformer (3DEST) pour traiter des données météorologiques 3D complexes non uniformes. À l’aide d’une stratégie d’agrégation hiérarchique, temporelle, le modèle a été formé pour différents intervalles de prévision en utilisant des intervalles de 1 heure, 3 heures, 6 heures et 24 heures. Cela a entraîné une minimisation de la quantité d’itérations pour prédire une condition météorologique à un moment précis et une réduction des prévisions erronées.

Pour former le modèle à des intervalles de temps spécifiques, les chercheurs ont formé 100 époques (cycles) en utilisant des échantillons horaires de données météorologiques de 1979 à 2021. Chacun des sous-modèles qui en ont résulté a nécessité 16 jours de formation sur 192 cartes graphiques V100. Pangu-Weather Model peut désormais effectuer des prévisions météorologiques mondiales sur 24 heures en seulement 1,4 seconde sur une carte graphique V100, une amélioration de 10 000 fois par rapport à la prédiction numérique traditionnelle.

Expliquant pourquoi l’équipe HUAWEI CLOUD AI a choisi de se concentrer sur les prévisions météorologiques, le Dr Tian Qi, scientifique en chef de HUAWEI CLOUD AI Field, membre de l’IEEE et académicien de l’Académie internationale des sciences eurasiennes, a expliqué : « Les prévisions météorologiques sont l’une des plus scénarios importants dans le domaine du calcul scientifique car la prévision météorologique est un système très complexe, mais il est difficile de couvrir tous les aspects des connaissances mathématiques et physiques. Nous sommes donc ravis que nos recherches aient été reconnues par le magazine Nature. Les modèles d’IA peuvent exploiter lois statistiques de l’évolution atmosphérique à partir de données massives. À l’heure actuelle, Pangu-Weather achève principalement le travail du système de prévision, et sa capacité principale est de prédire l’évolution des états atmosphériques. Notre objectif ultime est de construire un cadre de prévision météorologique de nouvelle génération en utilisant Des technologies d’IA pour renforcer les systèmes de prévision existants. »

Commentant l’importance et la qualité de la recherche de HUAWEI CLOUD, les critiques universitaires de Nature ont expliqué que non seulement Pangu-Weather est très facile à télécharger et à exécuter, mais qu’il s’exécute rapidement même sur un ordinateur de bureau. « Cela signifie que n’importe qui dans la communauté météorologique peut désormais exécuter et tester ces modèles selon ses désirs. Quelle belle opportunité pour la communauté d’explorer dans quelle mesure le modèle prédit des phénomènes spécifiques. Cela contribuera aux progrès sur le terrain. » Un autre critique a noté que « les résultats eux-mêmes sont une étape importante par rapport aux résultats précédents. Ce travail, à mon avis, incitera les gens à réévaluer à quoi pourraient ressembler les modèles de prévision à l’avenir ».

En mai 2023, le typhon Mawar a attiré l’attention du monde en tant que cyclone tropical le plus puissant de l’année à ce jour. Selon l’Administration météorologique chinoise, Pangu-Weather a prédit avec précision la trajectoire du typhon Mawar cinq jours avant qu’il ne change de cap dans les eaux orientales des îles de Taiwan.

En outre, afin de faire progresser en permanence les principaux modèles de prévisions météorologiques de l’IA, des environnements cloud stables, des suites de travail et l’exploitation et la maintenance correspondantes sont également essentiels.