Google ha desarrollado un nuevo modelo de predicción climática llamado NeuralGCM, que combina aprendizaje automático con modelos tradicionales de física atmosférica. Este avance podría revolucionar las predicciones a largo plazo, proporcionando un modelo más rápido y preciso que las técnicas existentes.
Utilizando datos de hasta 80 años proporcionados por el Centro Europeo de Previsiones Meteorológicas a Plazo Medio (ECMWF), NeuralGCM ha demostrado ser significativamente más eficaz que los modelos tradicionales. Según el ingeniero de Google Research, Stephan Hoyer, el modelo puede simular 70.000 días de condiciones climáticas en solo 24 horas.
NeuralGCM no solo supera a los modelos tradicionales en velocidad, sino también en precisión. En pruebas recientes, el modelo identificó más ciclones tropicales que los sistemas actuales, incluyendo el X-SHiELD de la Administración Nacional Oceánica y Atmosférica de Estados Unidos. Además, las tasas de error en predicciones de temperatura y humedad fueron entre un 15 y un 50 por ciento más bajas.
El artículo publicado en Nature sugiere que la combinación de inteligencia artificial y modelos físicos ofrece lo mejor de ambos mundos. Peter Dueben, coautor del estudio y director del modelado del sistema terrestre del ECMWF, destacó que esta integración mejora la fiabilidad de las predicciones.
El avance de NeuralGCM no se limita a la meteorología. Se espera que la combinación de IA y modelos físicos pueda aplicarse en otros campos, como el descubrimiento de nuevos materiales o el diseño de ingeniería. Sin embargo, aún existen desafíos, como mejorar la capacidad del modelo para predecir el impacto del aumento de CO2 en las temperaturas globales.
