Spherical DYffusion: la inteligencia artificial revoluciona las proyecciones climáticas
Spherical DYffusion se trata de un nuevo modelo climático que combina inteligencia artificial (IA) con datos físicos y que está marcando un antes y un después en las predicciones climáticas.
Por ejemplo, ha logrado simular 100 años de patrones en apenas 25 horas. Esta innovadora tecnología promete revolucionar el campo al ser 25 veces más rápido que los modelos actuales y con un coste computacional mucho menor.
¿Cómo funciona Spherical DYffusion?
La clave está en la fusión de algoritmos de IA generativa, similares a los que impulsan herramientas como DALL-E, con modelos físicos tradicionales.
Este enfoque permite predecir cambios climáticos de manera más eficiente y precisa. A diferencia de los modelos actuales que dependen de supercomputadoras, Spherical DYffusion se puede ejecutar en clústeres de GPU más accesibles, como los que se encuentran en muchos laboratorios de investigación.
Según los investigadores de la Universidad de California en San Diego y el Instituto Allen de IA responsable de la herramienta, «los modelos de aprendizaje profundo están a punto de transformar el modelado meteorológico y climático global».
Simulaciones más rápidas y accesibles
Una simulación climática tradicional puede tardar semanas en completarse, pero este modelo logra resultados comparables en apenas un día.
Esto representa un avance crucial en un campo donde los recursos computacionales suelen ser una limitación importante.
El modelo utiliza un operador neuronal esférico, diseñado para trabajar con datos distribuidos en una esfera, como ocurre con los patrones climáticos de la Tierra.
A partir de datos iniciales sobre el clima, Spherical DYffusion aplica transformaciones basadas en el aprendizaje automático para proyectar patrones futuros con alta fidelidad y velocidad.
¿Cuáles son los próximos pasos?
A pesar de su impresionante rendimiento, los investigadores señalan que el modelo aún tiene limitaciones. Actualmente, se centra principalmente en la simulación de la atmósfera, dejando fuera otros elementos importantes como la respuesta al aumento de CO2.
«Emulamos la atmósfera, que es uno de los elementos más importantes en un modelo climático», explica Rose Yu, investigadora de la UC San Diego y coautora principal del estudio. El equipo planea mejorar la complejidad del modelo y presentará sus avances en la conferencia NeurIPS 2024, que se celebrará del 9 al 15 de diciembre en Vancouver, Canadá.
Toda la información: https://openreview.net/pdf?id=Ib2iHIJRTh
Tú opinas