Google GraphCast: Predice el clima en menos de 60 segundos
Google lanzó un modelo de inteligencia artificial que predice el tiempo con una exactitud espectacular. “El clima nos afecta a todos en formas grandes y pequeñas. Puede dictar cómo nos vestimos por la mañana, proporcionarnos energía verde y, en el peor de los casos, crear tormentas que pueden devastar comunidades. En un mundo con un clima cada vez más extremo, los pronósticos rápidos y precisos nunca fueron más importantes”, comunicó la empresa en la promoción de GraphCast.
GraphCast es un simulador de clima basado en aprendizaje automático desarrollado por Google DeepMind. Este paquete contiene código de ejemplo para ejecutar y entrenar GraphCast.
También proporciona tres modelos preentrenados:
- GraphCast: el modelo de alta resolución utilizado en el artículo de GraphCast (resolución de 0.25 grados, 37 niveles de presión), entrenado con datos ERA5 de 1979 a 2017.
- GraphCast_small: una versión más pequeña y de baja resolución de GraphCast (resolución de 1 grado, 13 niveles de presión y una malla más pequeña), entrenado con datos ERA5 de 1979 a 2015. Útil para ejecutar un modelo con menores restricciones de memoria y cálculo.
- GraphCast_operational: un modelo de alta resolución (resolución de 0.25 grados, 13 niveles de presión) preentrenado con datos ERA5 de 1979 a 2017 y afinado con datos HRES de 2016 a 2021. Este modelo puede ser inicializado a partir de datos HRES (no requiere entradas de precipitación)
El estudio de DeepMind y Google presenta GraphCast, un simulador de clima basado en aprendizaje automático que escala bien con los datos y puede crear una predicción de 10 días en menos de 60 segundos.
¿Cómo se usa?
GraphCast es un simulador de clima basado en aprendizaje automático desarrollado por Google DeepMind. Utiliza una red neuronal profunda que opera en gráficos tipados, donde tanto las entradas como las salidas son vectores planos de características para cada uno de los nodos y bordes.
El modelo GraphCast se utiliza para hacer una predicción de un paso. Se envuelve alrededor de GraphCast para hacer que funcione utilizando la precisión BFloat16. Los pesos del modelo, las estadísticas de normalización y los ejemplos de entrada están disponibles en Google Cloud Bucket.
El entrenamiento completo del modelo requiere la descarga del conjunto de datos ERA5, disponible desde ECMWF. GraphCast puede predecir cientos de variables meteorológicas, durante 10 días a una resolución global de 0.25 grados, en menos de un minuto.
El mejor punto de partida es abrir graphcast_demo.ipynb en Colaboratory, que proporciona un ejemplo de cómo cargar datos, generar pesos aleatorios o cargar una instantánea preentrenada, generar predicciones, calcular la pérdida y calcular los gradientes
Ver más: Microsoft Ignite 2023 impulsa la transformación de la IA
Ver más: Elon Musk, prueba suerte nuevamente
