La prestigieuse revue scientifique Nature publie un article sur le modèle d'IA Pangu-Weather, dont les auteurs sont des chercheurs de HUAWEI CLOUD

Le modèle météorologique est très performant par rapport aux prévisions traditionnelles en termes de rapidité et de précision 

SHENZHEN, Chine, 6 juillet 2023 /CNW/ - HUAWEI CLOUD a annoncé qu'un article sur son modèle d'intelligence artificielle (IA) Pangu-Weather a été publié par Nature, l'une des revues scientifiques les plus prestigieuses au monde.

Selon Nature Index, c'est la première fois que des employés d'une entreprise technologique chinoise sont les seuls auteurs d'un article publié dans Nature. L'article, qui décrit le développement d'un système mondial de prévisions météorologiques par IA précis et exact basé sur l'apprentissage profond en utilisant 43 ans de données, est paru dans la prestigieuse revue le 5 juillet 2023.

Pangu-Weather est le premier modèle de prévision d'IA à démontrer une plus grande précision que les méthodes numériques traditionnelles de prévision météorologique. Le modèle permet de multiplier par 10 000 la vitesse de prévision, réduisant le temps de prévision météorologique mondiale à quelques secondes seulement. L'article, intitulé « Accurate medium-range global weather forecasting with 3D neural networks », fournit des vérifications indépendantes de ces capacités.

Pangu-Weather vient remettre en question les hypothèses précédemment émises selon lesquelles la précision des prévisions météorologiques émises par l'IA est inférieure à celle des prévisions numériques traditionnelles. Le modèle, développé par l'équipe de HUAWEI CLOUD, est le premier modèle de prévision d'IA capable d'une plus grande précision que les méthodes de prévision numérique traditionnelles.

Grâce au développement rapide de la puissance de traitement au cours des 30 dernières années, la précision des prévisions météorologiques numériques s'est considérablement améliorée, de sorte qu'il est maintenant possible de donner l'alerte en cas de catastrophe extrême et de prévoir les effets des changements climatiques. Toutefois, cette méthode reste relativement coûteuse en temps. Pour améliorer la vitesse des prévisions, les chercheurs ont étudié la possibilité d'utiliser des méthodes d'apprentissage profond. Toutefois, la précision des prévisions à moyen et à long terme basées sur l'IA a toujours été inférieure à celle des prévisions numériques. L'IA s'est révélée incapable de prédire les phénomènes météorologiques extrêmes et inhabituels comme les typhons.

Chaque année, on dénombre environ 80 typhons dans le monde. En 2022, rien qu'en Chine, les pertes économiques directes causées par les typhons se sont élevées à 5,42 milliards de yuans, selon les chiffres du ministère chinois de la Gestion des urgences. Plus les alertes sont lancées tôt, plus il devient facile de se préparer adéquatement.

En raison de leur rapidité, les modèles de prévision météorologique fondés sur l'IA sont attrayants, mais manquent de précision pour deux raisons. Premièrement, les modèles de prévision météorologique fondés sur l'IA dont on dispose sont basés sur des réseaux neuronaux 2D, qui sont incapables de traiter correctement les données météorologiques 3 D qui sont hétérogènes. Deuxièmement, les prévisions météorologiques à moyen terme sont sujettes à l'accumulation d'erreurs de prévision lorsque le modèle est sollicité trop souvent.

Comment Pangu-Weather résout ces problèmes

Au cours d'essais scientifiques, le modèle Pangu-Weather a démontré sa plus grande précision par rapport aux méthodes traditionnelles de prévision numérique pour des prévisions allant de 1 heure à 7 jours, avec une vitesse de prévision multipliée par 10 000. Le modèle peut prédire avec précision, en quelques secondes, des caractéristiques météorologiques très précises comme le taux d'humidité, la vitesse du vent, la température et la pression au niveau de la mer.

Le modèle utilise une architecture 3D Earth-Specific Transformer (3DEST) pour traiter des données météorologiques 3D complexes et hétérogènes. En utilisant une stratégie d'agrégation hiérarchique et temporelle, le modèle a été entraîné pour différents intervalles de prévision : 1 heure, 3 heures, 6 heures et 24 heures. Cela a permis de réduire au minimum le nombre d'itérations nécessaire pour prévoir une condition météorologique à un moment donné et de limiter les prévisions erronées.

Afin d'entraîner le modèle pour des intervalles de temps donnés, les chercheurs ont entraîné 100 époques (cycles) en utilisant des échantillons horaires de données météorologiques pour la période 1979-2021. Chacun des sous-modèles obtenus a nécessité 16 jours d'entraînement sur 192 cartes graphiques V100. Le modèle Pangu-Weather peut désormais réaliser des prévisions météorologiques mondiales sur 24 heures en seulement 1,4 seconde sur une carte graphique V100, soit un délai 10 000 fois plus court que les prévisions numériques traditionnelles.

Tian Qi, scientifique en chef de HUAWEI CLOUD, membre de l'IEEE et de l'Académie internationale des sciences de l'Eurasie, a expliqué pourquoi l'équipe d'IA de HUAWEI CLOUD a choisi de se concentrer sur les prévisions météorologiques : « Les prévisions météorologiques constituent l'un des scénarios les plus importants dans le domaine de l'informatique scientifique, car il s'agit d'un système très complexe pour lequel il est difficile de couvrir tous les aspects sur le plan des connaissances mathématiques et physiques. Nous sommes donc ravis que nos recherches aient été reconnues par la revue Nature. Les modèles d'IA peuvent extraire des lois statistiques de l'évolution de l'atmosphère à partir de données massives. Actuellement, Pangu-Weather est en mesure de réaliser en grande partie l'ensemble des tâches du système de prévision, et sa principale capacité est de prédire l'évolution des états atmosphériques. Notre objectif ultime est de créer un cadre de prévision météorologique de nouvelle génération en utilisant les technologies de l'IA pour renforcer les systèmes de prévision existants.  »

Commentant l'importance et la qualité de la recherche menée par HUAWEI CLOUD, les évaluateurs universitaires de Nature ont expliqué que Pangu-Weather était non seulement très facile à télécharger et à exécuter, mais qu'il s'exécutait rapidement, même sur un ordinateur de bureau. Cela signifie que n'importe quel membre de la communauté météorologique peut désormais exécuter et tester ces modèles à sa guise. Il s'agit là d'une excellente occasion pour la communauté d'étudier dans quelle mesure le modèle permet de prédire des phénomènes donnés. Cela contribuera à faire avancer le domaine. Un autre évaluateur a noté que les résultats eux-mêmes constituent une importante avancée par rapport aux résultats précédents. Ce travail amènera les gens à réévaluer les modèles de prévision pour l'avenir.

En mai 2023, le typhon Mawar a attiré l'attention du monde entier en tant que cyclone tropical le plus puissant de l'année jusqu'à présent. Selon l'Administration météorologique chinoise, Pangu-Weather a prédit avec précision la trajectoire du typhon Mawar cinq jours avant qu'il ne change de cap dans les eaux orientales des îles de Taïwan.

De plus, afin de faire progresser en permanence les modèles de prévision météorologique fondés sur l'IA, il est également essentiel de disposer d'environnements en nuage stables, de logiciels de travail et de services d'exploitation et de maintenance connexes.

SOURCE HUAWEI CLOUD

PERSONNE-RESSOURCE : Lavanda Wang, [email protected]