El MIT desarrolla una técnica que acelera los emuladores climáticos basados en IA
Hecho Qué ha ocurrido
Investigadores del MIT describen en PNAS una técnica de entrenamiento que reduce a una sola ejecución de un modelo climático completo el proceso que antes requería entre seis y ocho escenarios. Un algoritmo genera después datos sintéticos que ajustan el emulador hasta un umbral de precisión. Según el estudio, el emulador predice escenarios no presentes en el entrenamiento, algo que los emuladores tradicionales evaluados no lograron con la misma precisión.
Resumen generado mediante IA a partir de Infobae Tecno. Naturaleza de la información: hecho documentado.
Análisis Por qué importa
Los emuladores climáticos orientan decisiones sobre redes eléctricas, salud pública y agricultura; si se entrenan en semanas en lugar de meses, las herramientas pueden mantenerse actualizadas.
- Quién se ve afectado
- Investigadores climáticos, planificadores energéticos, agencias de salud pública y sector agrícola.
- Qué puede cambiar
- Podría permitir probar más combinaciones de emisiones con herramientas actualizadas, aunque el beneficio práctico depende de adopción y validación externa.
Análisis generado a partir de la información disponible; no procede de la fuente.
Predicción Qué observar a continuación
Resultados de la prueba con un modelo completo del sistema terrestre anunciada por el equipo, y si otros grupos reproducen la mejora en otros modelos climáticos.
Enviar esta noticia por correo
Enviado. Revisa que llegue a la bandeja de entrada de quien lo reciba.
La dirección no parece válida.
Has enviado varios correos seguidos. Espera un rato.
No se ha podido comprobar que no eres un robot. Vuelve a intentarlo.
No se ha podido enviar. Inténtalo de nuevo en unos minutos.
Fuente original: Infobae Tecno. La referencia es siempre el artículo original.
Ver fuente original ↗emuladores climáticosaprendizaje automáticodatos sintéticos MITETH Zúrich ciencia clima emuladores MIT PNAS
Relacionadas
Ai2 presenta HiRO-ACEv2, un emulador climático que simula eventos extremos a 3 km a una fracción del coste
Ai2 ha presentado HiRO-ACEv2, una actualización de su sistema HiRO-ACE para generar datos climáticos globales a 3 km de resolución. Según la compañía, cuesta…
Por qué importaPara equipos que modelizan riesgos meteorológicos extremos, abarata generar muchas simulaciones de alta resolución. Es un resultado de investigación…
DeepMind aplica IA a predicción meteorológica y control de plasma para clima
Google DeepMind presenta dos aplicaciones de investigación en AGI orientadas a abordar el cambio climático: un sistema de predicción meteorológica desarrollado…
Por qué importaDemuestra una estrategia de DeepMind de justificar la investigación en AGI mediante aplicaciones en problemas sociales urgentes, no solo por…
Universidad de Manchester usa NVIDIA Earth-2 para predecir contaminación del aire en Reino Unido
La Universidad de Manchester entrenó modelos generativos de NVIDIA Earth-2 (CorrDiff y StormCast) con datos de contaminación del Reino Unido, usando el…
Por qué importaReduce drásticamente el coste computacional frente a modelos de química-clima tradicionales, permitiendo que instituciones más pequeñas o países en…
Google DeepMind aplica IA a control de plasma, predicción meteorológica y energías renovables
Google DeepMind ha publicado un análisis de iniciativas en las que aplica IA para combatir el cambio climático. Entre ellas destaca el desarrollo de un modelo…
Por qué importaMuestra aplicaciones concretas de IA en descarbonización y eficiencia energética: desde la optimización de infraestructuras existentes hasta…
Tu opinión
Te hemos enviado un correo para confirmar tu dirección. El comentario se procesará cuando pulses el enlace.
Gracias. Tu comentario se publicará cuando lo revise el equipo (los primeros comentarios de cada persona se moderan).
Comentario publicado. Gracias por participar.
No se puede comentar aquí.
Indica un nombre (de 2 a 60 caracteres).
El correo no parece válido.
El comentario debe tener entre 10 y 2.000 caracteres.
Demasiados enlaces en el comentario.
No se ha podido comprobar que no eres un robot. Vuelve a intentarlo.
Has alcanzado el límite diario de comentarios.
Demasiados comentarios seguidos. Espera un rato.
No se ha podido enviar el correo de confirmación. Inténtalo de nuevo en unos minutos.