Un petit Startup Suisse Il vient peut-être de secouer les fondements du monde des prévisions météorologiques. Savoirfondé il y a seulement quelques années, a annoncé que le Lancement de l’EP-2Un nouveau modèle de prévision basé sur l’intelligence artificielle qui, selon des données indépendantes, dépasse les géants du secteur tels que Microsoft (Aurora) et Google Deepmind (Graphcast). Le modèle, selon ce qui est rapporté dans un rapport publié aujourd’hui et en attendant d’apparaître sur ArXIV la semaine prochaine, serait le système le plus précis et le plus rapide actuellement disponible pour le prévision à l’échelle mondiale.
Plus rapide et plus précis
Les résultats répartis par Jua montrent que EP-2 bat Microsoft Aurora en précision sur les variables clés, comme le vitesse du vent 10 mètres et la température de l’air 2 mètres sur un horizon de 10 jours. Mais pas seulement cela: le système fonctionne 25% plus rapidement, consomme 75% en moins d’énergie Computational et a obtenu le score d’erreur le plus bas de tous les modèles testés, y compris les deux meilleurs du Centre européen de prévision à moyen terme (ECMWF): ENS et IFS HRES.
Contrairement aux modèles météorologiques traditionnels basés sur des équations physiques complexes et un supercalculateur multimililier – comme ECMWF ou NOAA – Modèles pour JUA Ils apprennent directement des données climatiques. Cela permet des prévisions plus rapides et moins coûteuses, sans sacrifier la précision. Mais, selon le PDG Marvin Gabler, Jua fait encore plus: “Alors que d’autres appliquent l’IA sur les systèmes hérités, nous avons construit une simulation native de la physique atmosphérique, capable de comprendre comment l’atmosphère terrestre se comporte vraiment.”
L’avenir du temps passe de l’IA
La course à météorologie AI Il est en pleine tourmente: Microsoft avec Aurora, DeepMind avec des graphcax et des réalités émergentes comme demain. J’essaie de redéfinir la façon dont le monde anticipe des phénomènes atmosphériques extrêmesCrucial pour l’agriculture, l’énergie et la gestion des catastrophes. Jua, cependant, avec seulement 27 millions de dollars collectés en trois ans et une équipe mince, semble avoir trouvé la combinaison parfaite entre la performance et la légèreté des infrastructures, grâce également au soutien de fonds tels que 468 Capital et Future Energy Ventures.
À l’heure actuelle, le graphcast n’a pas été inclus dans les tests comparatifs, mais Gabler est sûr de la supériorité de son modèle également par rapport à celle de DeepMind. “Les autres sont trop lents, trop limités ou toujours liés à l’architecture obsolète”, a-t-il déclaré.
Sur le même sujet
