Российские ученые использовали данные о состоянии атмосферы за 15 лет, чтобы создать новый способ анализа облаков с помощью искусственного интеллекта. Разработка Томского государственного университета в перспективе может улучшить метеорологические прогнозы, помочь в наблюдении за опасными атмосферными процессами и мониторинге окружающей среды.
В центре исследования оказались облака верхнего яруса. Информация об их параметрах важна для понимания происходящих в атмосфере процессов, однако получить достаточно полную картину только одним способом наблюдения сложно. Поэтому специалисты ТГУ объединили сведения наземного лидарного, спутникового и аэрологического зондирования.
Обрабатывать этот массив информации поручили алгоритмам машинного обучения. Однако простая загрузка исходных метеорологических показателей в нейросеть оказалась недостаточно эффективной. Температура, давление, влажность и ветер меняются одновременно на разных высотах и связаны друг с другом, поэтому модели необходимо учитывать не отдельные цифры, а их сочетания и изменения.
Для решения проблемы исследователи взяли глобальный климатический реанализ ERA5 за 2009–2023 годы. Огромный массив атмосферной информации преобразовали в компактные цифровые представления – эмбеддинги, сохраняющие важные взаимосвязи между параметрами. На их основе искусственный интеллект должен точнее восстанавливать характеристики высотных облаков.
Интересно, что схожие методы анализа данных используются в физике высоких энергий, где алгоритмам приходится находить редкие события среди огромного количества информации, получаемой на ускорителях частиц. Теперь этот подход адаптируют для исследования атмосферы.
Для поиска наиболее эффективной модели в ТГУ организовали отдельное соревнование по машинному обучению. Участники протестировали десятки вариантов глубоких нейросетей. Наиболее точную архитектуру предложил магистрант Института прикладной математики и компьютерных наук ТГУ, который после этого присоединился к научной группе.
Сейчас модель продолжают дорабатывать для практического применения. Разработчики рассчитывают, что более точное восстановление параметров облаков позволит улучшить исходные данные для метеорологических задач, исследования климата и экологического мониторинга, в том числе при наблюдении за потенциально опасными атмосферными процессами.
