Új AI-modell javítja az időjárás-előrejelzést: a Mosaic felülmúlja a finomabb adatokat használó rendszereket
A Mosaic nevű új valószínűségi időjárás-előrejelző modell a gépi tanuláson alapuló rendszerek spektrális romlásának két fő okát is kezeli, jelentősen javítva a pontosságot.
Új mesterséges intelligencia alapú időjárás-előrejelző modellt mutatott be az ArXiv ML. A Mosaic nevű rendszer a gépi tanuláson alapuló időjárás-előrejelzés két fő problémájára, a spektrális romlásra kínál megoldást — írja a kutatás.
A modell a torzítást okozó, együttes átlagok elleni determinisztikus betanítást, valamint az információvesztést okozó kompressziós kódolást célozza. A Mosaic tanult funkcionális perturbációk révén generál együttes tagokat, és natív felbontású rácsokon működik a blokk-ritka figyelem (block-sparse attention) mechanizmusával. Ez a hardveresen optimalizált módszer lineáris költséggel rögzíti a távolsági függőségeket, térben szomszédos lekérdezések között megosztva a kulcsokat és értékeket.
A 1.5 fokos felbontáson és 214 millió paraméterrel működő Mosaic modell megegyezik vagy felülmúlja a hatszor finomabb adatokkal betanított rendszereket a főbb felső légköri változók előrejelzésében. A 1.5 fokos modellek között a legkorszerűbb eredményeket éri el, jól kalibrált együtteseket produkál, amelyek egyes tagjai közel tökéletes spektrális illeszkedést mutatnak minden feloldott frekvencián.
Egy 24 tagú, 10 napos előrejelzés elkészítése kevesebb mint 12 másodpercet vesz igénybe a Mosaic rendszerrel.