В Томске разработали новый метод восстановления параметров облаков верхнего яруса. Ученые объединили атмосферную оптику и машинное обучение, чтобы повысить точность прогнозов погоды, заранее предупреждать об опасных циклонах и лучше отслеживать экологическую ситуацию в регионах. Об этом сообщили в пресс-службе Томского госуниверситета (ТГУ). Об этом рассказывает издание ТАСС.
Специалисты Лаборатории анализа данных физики высоких энергий ТГУ использовали данные наземного лидарного, спутникового и аэрологического зондирования атмосферы, а также инструменты машинного обучения. Похожие алгоритмы применяются для поиска редких событий при столкновении элементарных частиц на ускорителях, а в атмосферных исследованиях они помогают находить скрытые физические закономерности.
Выяснилось, что обучать нейросети напрямую на исходных метеоданных неэффективно. Атмосфера — динамическая система, поэтому для точного восстановления параметров облаков искусственному интеллекту нужно учитывать взаимосвязи температуры, влажности, давления и ветра на разных высотах. Ученые преобразовали 15-летний архив глобального климатического реанализа ERA5 (2009–2023 годы) в компактные цифровые коды.
Чтобы протестировать разные подходы к сжатию больших массивов данных, организовали конкурс по машинному обучению. Как отметил организатор Максим Пензин, состязание позволило быстро проверить десятки конфигураций глубоких нейросетей и оценить, как студенты решают реальные прикладные задачи.
Лучшую архитектуру нейросети предложил магистрант второго курса Института прикладной математики и компьютерных наук ТГУ. Его решение оказалось настолько успешным, что студент уже присоединился к научной команде и занимается доработкой модели для практического внедрения.