Представленная новая модель искусственного интеллекта, получившая название SeaCast и разработанная в сотрудничестве с Хельсинкским университетом, кардинально меняет традиционные методы прогнозирования океанической среды. В отличие от существующих глобальных моделей, эта графовая нейронная сеть позволяет учитывать сложные береговые линии и одновременно интегрировать океанические и атмосферные данные. Это даёт возможность лучше описывать уникальную динамику Средиземноморья, где стандартные подходы оказываются неэффективными. В журнале Scientific Reports опубликовано описание данной технологии. SeaCast функционирует с разрешением до 4 километров и предоставляет прогнозы в глубину до 200 метров. Для её обучения использовались 35-летние исторические данные от службы Copernicus Marine. Тестирование подтвердило, что модель значительно превосходит действующую операционную модель по качеству предсказаний, расширяя горизонты до 15 суток. Быстрота обработки данных показывает, что нейросеть использует всего 20 секунд на графическом процессоре против 70 минут для численной системы. Такие возможности актуальны для точной оценки рисков в судоходстве, аквакультуре и экологии. Исследователи планируют интегрировать SeaCast в традиционные циклы прогнозирования, устанавливая новый глобальный стандарт для морских и прибрежных прогнозов.
Вопрос-ответ
Какие основные преимуществаSeaCast по сравнению с существующими моделями?
SeaCast — графовая нейронная сеть, которая лучше учитывает сложности береговых линий и может интегрировать как океанические, так и атмосферные данные. Это позволяет точнее описывать уникальную динамику Средиземноморья и расширять прогнозы до 15 суток, при этом скорость обработки заметно выше традиционных численных систем (20 секунд на GPU против 70 минут).
Каковы параметры и область применения SeaCast?
SeaCast работает с разрешением до 4 км и прогнозирует состояние океана в глубинах до 200 метров. Эта технология может применяться в судоходстве, аквакультуре и экологии, включая оценку операционных и экологических рисков в прибрежных зонах.
На каких данных обучалась модель и какова историческая база?
Чтобы обучить SeaCast, использовались 35-летние исторические данные от Copernicus Marine. Это обеспечило достаточно обширную временную и пространственную базу для обучения графовой нейронной сети и проверки её обобщаемости.
Когда и где планируется интеграция SeaCast в практику?
Исследователи планируют внедрить SeaCast в традиционные циклы прогнозирования и установить новый глобальный стандарт для морских и прибрежных прогнозов, что может трансформировать точность и оперативность мониторинга океанской среды.
