- Peneliti kembangkan sistem prediksi cuaca dengan AI.
- Model NeuralGCM menggunakan machine learning dan fisika atmosfer.
- NeuralGCM dapat memprediksi cuaca dan iklim dengan lebih akurat.
pibitek.biz -Cuaca dan iklim adalah hal yang sangat kompleks dan sulit diprediksi. Namun, dengan kemajuan teknologi AI, prediksi cuaca dan iklim menjadi lebih akurat dan efisien. Sebuah tim peneliti dari Google, MIT, Harvard, dan Pusat Cuaca Eropa telah mengembangkan sistem prediksi cuaca dan iklim yang menggunakan AI untuk mencapai hasil yang sebanding dengan model terbaik yang ada saat ini, tetapi dengan menggunakan daya komputasi yang jauh lebih sedikit.
2 – Fitur Canvas ChatGPT Tampilkan Perubahan Teks 2 – Fitur Canvas ChatGPT Tampilkan Perubahan Teks
3 – Serangan Ransomware Turun 300%, Microsoft Ungkap Strategi Baru 3 – Serangan Ransomware Turun 300%, Microsoft Ungkap Strategi Baru
Model ini disebut NeuralGCM, yang merupakan gabungan dari model sirkulasi umum dan pendekatan machine learning. Model ini menggunakan deskripsi matematika dari keadaan fisik atmosfer Bumi dan memecahkan persamaan yang rumit untuk memprediksi apa yang akan terjadi di masa depan. Namun, NeuralGCM juga menggunakan machine learning untuk beberapa proses fisik yang kurang dipahami, seperti pembentukan awan.
Dalam sebuah makalah yang diterbitkan di Nature, tim peneliti menyatakan bahwa NeuralGCM menawarkan penghematan komputasi yang besar dan dapat meningkatkan simulasi fisik skala besar yang penting untuk memahami dan memprediksi sistem Bumi. Model ini juga dapat digunakan untuk membuat prediksi cuaca beberapa hari dan minggu ke depan, serta memprediksi iklim beberapa bulan dan tahun ke depan. NeuralGCM telah diuji dengan menggunakan serangkaian tes prediksi cuaca yang standar, yang disebut WeatherBench 2.
Hasilnya menunjukkan bahwa NeuralGCM memiliki kinerja yang sebanding dengan model cuaca lain yang menggunakan machine learning, seperti Pangu dan GraphCast. Bahkan, NeuralGCM juga dapat memprediksi fenomena cuaca yang kurang umum, seperti siklon tropis dan sungai atmosfer. Kelebihan dari model machine learning adalah bahwa mereka dapat mempelajari pola dalam data yang besar dan membuat prediksi yang akurat.
Namun, kelemahan dari model ini adalah bahwa mereka seringkali kesulitan dalam situasi yang tidak familiar atau kondisi cuaca yang ekstrem. Oleh karena itu, NeuralGCM memiliki inti yang berbasis fisika, yang memberikan dasar yang kuat dalam realitas. Meskipun model machine learning belum digunakan secara luas dalam prediksi cuaca sehari-hari, namun ini adalah area penelitian yang sangat aktif.
