Des scientifiques américains utilisent l'IA pour prévoir les inondations côtières
Plus de la moitié de la population américaine vit dans des villes ou des comtés côtiers, qui produisent 58 % du produit intérieur brut du pays. Ces communautés et infrastructures côtières sont particulièrement vulnérables aux vents et aux inondations causés par les tempêtes tropicales, les ouragans et les pluies torrentielles.
Grâce à des méthodes d'intelligence artificielle et d'apprentissage automatique (IA/AA), le professeur du département d'informatique de la LSU (Université d'État de Louisiane) Hartmut Kaiser travaille à améliorer la préparation aux inondations et à atténuer leurs effets.
Kaiser, qui est également chercheur senior au Centre de calcul et de technologies de la LSU, est devenu co-chercheur de ce projet avec un groupe de scientifiques de l'Université du Texas à Austin (Clint Dawson), de l'Université de Notre-Dame (Joannes Westerink) et du Laboratoire national Lawrence Berkeley (Ruby Leung).
Ce projet fait partie des trois financés par le Bureau de la recherche en informatique scientifique avancée du ministère de l'Énergie, chaque projet recevant 15,1 millions de dollars sur trois ans.
« La collaboration entre disciplines scientifiques, telle que celle créée dans le cadre de ce programme, ouvre la voie à de futures découvertes scientifiques en combinant de manière nouvelle des connaissances, compétences et outils variés pour résoudre de nombreux problèmes critiques. Ces projets pourraient révolutionner la productivité scientifique de nos installations, en s'attaquant à certains des grands défis de l'Amérique »
Dans le cadre du projet intitulé MuSiKAL (Modélisation multiphysique et découverte de connaissances grâce à l'IA/AA), Kaiser et ses collaborateurs mèneront les tâches suivantes :
- intégrer le modèle exascale du système terrestre (ESM) du ministère de l'Énergie des États-Unis à un modèle de circulation côtière multiphysique et multi-échelle à haute résolution
- développer un jumeau numérique (DT) haute précision, assisté par l'IA/AA, pour l'ESM couplé, afin de réduire le délai de prévision des inondations et de planification de l'atténuation
- développer une collecte de données scientifiques assistée par l'IA/AA et des plateformes web visuelles pour relier expérimentateurs et informaticiens, afin de collecter en continu des données sur le terrain et par satellite à l'aide du DT
- démontrer les multiples capacités et flux de travail de MuSiKAL à l'aide d'ensembles de données complets centrés sur le golfe du Mexique, en mettant fortement l'accent sur la mise en relation de plusieurs parties prenantes pour concevoir conjointement la collecte de données, analyser ensemble les simulations d'inondations et assurer l'intégration continue et l'apprentissage à partir des données des modèles
« Le littoral du golfe du Mexique, le long du Texas, de la Louisiane et du Mississippi, abrite d'importants pôles énergétiques américains, mais aussi des populations socialement vulnérables. Ces efforts proposés contribuent à mobiliser la science et les connaissances pour minimiser les dégâts des inondations et améliorer la stabilité socio-économique de la région »
À terme, le projet MuSiKAL apportera une contribution significative au programme DOE Advanced Scientific Computing Research Integrated Computational and Data Infrastructure, en développant une plateforme distribuée et évolutive de stockage et de gestion des données conforme aux principes FAIR (facilité de repérage, accessibilité, interopérabilité et réutilisation) et en mettant en place une plateforme DT intégrée, pilotée par les modèles, qui favorise une collaboration étroite entre expérimentateurs et informaticiens.
« Le bien-être de tous les Américains dépend de l'intégrité écologique et de la productivité durable de l'océan, de nos côtes et des bassins versants côtiers. Les capacités actuelles de prévision des inondations côtières sont limitées par une représentation inadéquate des processus côtiers dans les ESM, en particulier concernant les dangers côtiers, ainsi que par l'absence de flux de travail automatisé facilitant les échanges bidirectionnels entre expérimentateurs/experts du domaine et informaticiens. Notre recherche vise à développer une structure DT capable d'intégrer, en temps quasi réel, de nombreuses données et des ressources de calcul distribuées et parallèles, combinées à des méthodes d'IA/AA, afin d'améliorer nettement les compétences actuelles de prévision des risques côtiers »
Les scientifiques de la LSU ne sont pas les premiers à utiliser l'intelligence artificielle pour prévoir la météo et les catastrophes naturelles. En mai 2021, le Centre national de recherche atmosphérique des États-Unis (NCAR) a mis au point un système d'IA pour prédire la grêle, les tornades et les vents violents pendant un orage, des phénomènes difficiles à prévoir avec les modèles météorologiques traditionnels. Les informations sont librement accessibles sur internet et mises à jour deux fois par jour.
En septembre 2021, le laboratoire britannique DeepMind a développé l'outil d'apprentissage profond DGMR, qui prédit avec précision la probabilité de pluie dans les 90 prochaines minutes. Les chercheurs ont entraîné l'intelligence artificielle à travailler avec les données radar que les services météorologiques de nombreux pays publient régulièrement. Par exemple, au Royaume-Uni, de nouvelles mesures sont publiées toutes les cinq minutes.
