Os modelos de previsão do tempo desempenham um papel crucial na compreensão e antecipação das condições atmosféricas. Atualmente, o principal modelo de previsão do tempo é um Modelo de Circulação Geral, ou GCM, desenvolvido pelo Centro Europeu para Previsões Meteorológicas de Médio Alcance. Os GCMs se baseiam em cálculos que abrangem a física de diversos processos atmosféricos bem compreendidos, enquanto para outros processos recorrem a “parametrização”, que busca estabelecer relações empíricas para aproximar o que ocorre em processos de física menos compreendida.
Recentemente, os GCMs têm enfrentado concorrência de técnicas de aprendizado de máquina, que treinam sistemas de IA para reconhecer padrões em dados meteorológicos e utilizá-los para prever as condições futuras. Embora suas previsões sejam eficazes para alguns dias, tendem a se tornar imprecisas em prazos mais longos e não conseguem lidar com fatores de longo prazo relevantes para o estudo das mudanças climáticas.
Nesta segunda-feira, uma equipe do grupo de IA do Google e do Centro Europeu para Previsões Meteorológicas de Médio Alcance está anunciando o NeuralGCM, um sistema que combina circulação atmosférica baseada em física com a parametrização de influências meteorológicas por meio de IA. O NeuralGCM é eficiente computacionalmente e apresenta ótimo desempenho nos benchmarks de previsão do tempo. Surpreendentemente, também é capaz de produzir resultados plausíveis para previsões de décadas, potencialmente abordando questões relevantes para o clima. Apesar de não abranger todos os aspectos dos modelos climáticos atuais, apresenta óbvias possibilidades de aprimoramento.
Redação Confraria Tech
Referências:
WordPress Homepage
