Nuevo Sistema Integrado de Pronóstico/Inteligencia Artificial en el Centro Europeo, ECMWF

El Sistema Integrado de Pronóstico/Inteligencia Artificial (AIFS, por sus siglas en inglés) tiene apenas unos meses y entra con orgullo en su versión alfa o de prueba. Su llegada señala el fortalecimiento de los esfuerzos del ECMWF en el campo del aprendizaje automático (ML), en el que el ECMWF ha estado navegando desde hace algunos años.

El AIFS forma uno de los tres componentes del nuevo proyecto ML, que comenzó en el verano de 2023 y tiene como objetivo ampliar las aplicaciones de aprendizaje automático al modelado del sistema terrestre.

Campos meteorológicos asociados al AIFS en abierto

Mientras, AIFS debuta con su primera aparición en el sitio web del ECMWF, podrá ver sus prometedores resultados y seguir el desarrollo continuo. Estos campos se pueden comparar con otros campos mostrados en abierto por los métodos tradicionales y avanzados.

Los modelos numéricos de predicción meteorológica basados en la física, para nosotros el IFS, siguen siendo clave en todo esto. El IFS no tiene paralelo con los modelos ML por la amplitud de variables que predice y su resolución espacial. La asimilación de datos IFS proporciona las condiciones iniciales en vivo y crea conjuntos de datos de entrenamiento. El ECMWF sigue firmemente comprometido con una mayor mejora del IFS.

El equipo AIFS explica la elección de la tecnología con la que se construyó el sistema, la resolución de esta versión alfa, para qué campos hace predicciones y cómo se compara con el IFS:

¿Qué es el AIFS?

Al pensar en qué tecnología construir, el ECMWF considera todas las arquitecturas interesantes que se han desarrollado en artículos recientes.

Para esta versión alfa se ha elegido Graph Neural Networks. Pero se ha querido construir una base de código flexible para que se pueda reemplazar cualquier pieza del sistema si nuevos desarrollos externos o internos parecen prometedores. En muchos aspectos, incluidos los datos con los que se entrena el AIFS.

Las redes neuronales gráficas permiten alejarse de las cuadrículas lat-lon, que tienen muchos puntos cerca de los polos, y utilizar cuadrículas gaussianas reducidas que tienen distancias casi iguales entre los puntos de la cuadrícula sin importar en qué parte del mundo se encuentre. Estas son también las redes que utiliza el IFS para crear ERA5 y las condiciones iniciales operativas.

Esta versión alfa AIFS tiene 13 niveles de presión, funciona con una resolución de aproximadamente 1 grado y realiza predicciones de viento, temperatura, humedad y geopotencial. En la superficie, AIFS hace predicciones de temperatura a 2 m, vientos a 10 m, presión en superficie y más. El ECMWF actualizará esto periódicamente para aumentar la resolución y agregar campos como precipitación.

AIFS fue entrenado para minimizar el error cuadrático medio, lo que significa que ha sido entrenado para usarlo como modelo determinista. Uno de los próximos grandes pasos será el desarrollo de un sistema por conjunto. La oferta principal del IFS ahora es un sistema de predicción por conjuntos porque se sabe que es la forma más útil de hacer pronósticos a mediano plazo.

Así es como lo comparamos con el IFS, para altura geopotencial a 500 hPa. En meteorología, esta es la primera medida del flujo extratropical a gran escala, pero sigue siendo sólo una medida única de un modelo de pronóstico. Se pueden encontrar más gráficos en la página de gráficos, que se ampliará a medida que se avance. Vemos que el nuevo modelo aproximado ya está resultando muy prometedor en esta métrica, que es consistente con los resultados de otros modelos de ML.

Más información aparecerá en los próximos días y semanas, entrando en más detalles sobre las cosas que funcionan y las que no.

El equipo AIFS: Mihai Alexe, Zied Ben Bouallegue, Matthew Chantry, Mariana Clare, Jesper Dramsch, Simon Lang, Christian Lessig, Linus Magnusson, Ana Prieto Nemesio, Florian Pinault, Baudouin Raoult, Steffen Tietsche

ECMWF