Ученые ТГУ создали метод изучения облаков верхнего яруса с помощью ИИ
Ученые Томского государственного университета разработали метод восстановления параметров облаков верхнего яруса с помощью машинного обучения и атмосферной оптики. Технология может повысить точность прогнозов погоды, помочь раньше предупреждать об опасных циклонах и отслеживать экологическую обстановку в регионах, сообщили ТАСС в пресс-службе ТГУ.
Исследователи Лаборатории анализа данных физики высоких энергий ТГУ объединили данные наземного лидарного, спутникового и аэрологического зондирования с алгоритмами машинного обучения. Такой подход должен помочь получить более точные сведения о том, как облака верхнего яруса влияют на климат и глобальное потепление в условиях загрязнения воздуха.
Для разработки метода ученые использовали 15-летний архив глобального климатического реанализа ERA5 за 2009–2023 годы. Исследователи выяснили, что обучать нейросети непосредственно на исходных метеорологических данных неэффективно.
Поскольку атмосфера постоянно меняется, модели необходимо учитывать взаимосвязи температуры, влажности, давления и ветра на разных высотах.
Чтобы решить эту задачу, ученые преобразовали данные ERA5 в компактные цифровые коды, которые сохраняют информацию о физических процессах в атмосфере. Для проверки различных подходов ТГУ провел конкурс по машинному обучению.
Участники тестировали разные способы сжатия больших массивов пространственно-временных данных и поиска скрытых закономерностей в атмосферных процессах.
По словам организатора конкурса Максима Пензина, такой формат позволил за короткое время проверить десятки вариантов глубоких нейросетей и посмотреть, как студенты справляются с реальными прикладными задачами.
Лучший результат показал магистрант второго курса Института прикладной математики и компьютерных наук ТГУ. Он разработал архитектуру нейросети, которая продемонстрировала наиболее высокую точность и качество извлечения эмбеддингов. Сейчас студент вошел в научную команду и участвует в доработке модели для практического применения.
