MIT сократил обучение климатических ИИ-моделей с восьми до одного полного расчёта
Материал подготовлен Sintelligent с помощью ИИ. Опубликовано в SI: . Обновлено: .
Учёные смогут быстрее обновлять ИИ-прогнозы климата и проверять больше вариантов политики, не повторяя месяцы дорогих расчётов.
Исследователи MIT разработали алгоритм, который подбирает синтетические сценарии выбросов для обучения климатических эмуляторов. Такие модели за секунды имитируют поведение полноценных моделей земной системы и позволяют проверять тысячи вариантов климата. Вместо шести–восьми дорогих прогонов полной модели новому методу нужен один. Алгоритм итеративно меняет траектории выбросов, пока ошибка эмулятора не снизится до заданного уровня; реалистичность каждого учебного сценария не требуется. В опубликованных в PNAS испытаниях модель лучше обобщала незнакомые ситуации, включая локальное ограничение одного загрязнителя при росте остальных, тогда как обычные эмуляторы не справились. Дальше авторы планируют проверить метод на сценарии, созданном полной климатической моделью, и на других типах моделей.
Источники 1