Ученые из США используют ИИ для прогнозирования прибрежных наводнений
Более половины населения США проживает в прибрежных городах или округах, которые производят 58% валового внутреннего продукта страны. Эти прибрежные сообщества и инфраструктура особенно уязвимы для ветра и наводнений из-за тропических штормов, ураганов и проливных дождей.
С помощью методов искусственного интеллекта и машинного обучения (AI/ML) профессор отдела компьютерных наук LSU (Государственный университет Луизианы) Хартмут Кайзер работает над повышением готовности к наводнениям и смягчению их последствий.
Кайзер, который также является старшим научным сотрудником Центра вычислений и технологий LSU, стал соисследователем этого проекта вместе с группой ученых из Техасского университета в Остине (Клинт Доусон), Университета Нотр-Дам (Джоаннес Вестеринк) и Национальной лаборатории имени Лоуренса в Беркли (Руби Леунг).
Их проект является одним из трех, финансируемых Управлением перспективных научных вычислительных исследований Министерства энергетики, при этом каждый проект получает $15,1 млн в течение трех лет.
«Сотрудничество между научными дисциплинами, подобное созданному в рамках этой программы, прокладывает путь к будущим научным открытиям, сочетая разнообразные знания, навыки и инструменты по-новому для решения множества критических проблем. Эти проекты могут революционизировать научную производительность наших объектов, работая над решением некоторых из больших проблем Америки»
В рамках проекта под названием MuSiKAL (Мультифизическое моделирование и открытие знаний с помощью ИИ/МО) Кайзер и его сотрудники выполнят следующие задачи:
- объединят экзомасштабную модель системы Земли (ESM) Министерства энергетики США с многомасштабной, мультифизической циркуляционной прибрежной моделью в высоком разрешении
- разработают высокоточный цифровой двойник (DT) с поддержкой ИИ/МО для связанного ESM, чтобы уменьшить задержку при прогнозировании наводнений и планировании смягчения последствий
- разработают сбор научных данных на основе искусственного интеллекта/машинного обучения и визуальные веб-платформы для подключения экспериментаторов и ученых-компьютерщиков для непрерывного сбора данных с мест и со спутников с использованием DT
- продемонстрируют многогранные возможности и рабочие процессы MuSiKAL с использованием комплексных наборов данных, ориентированных на Мексиканский залив, с сильным акцентом на подключение нескольких заинтересованных сторон для совместного проектирования сбора данных, совместного анализа моделирования наводнений и непрерывной интеграции и обучения модельных данных
«Побережье Мексиканского залива вдоль Техаса, Луизианы и Миссисипи является домом для важных энергетических узлов США, но также является домом для социально уязвимых слоев населения. Эти предлагаемые усилия способствуют привлечению науки и знаний к минимизации ущерба от наводнений и улучшению социально-экономической стабильности в регионе»
В конечном счете проект MuSiKAL внесет значительный вклад в программу DOE Advanced Scientific Computing Research Integrated Computational and Data Infrastructure, разработав масштабируемую, распределенную платформу хранения и управления данными в соответствии с принципами FAIR (находимость, доступность, совместимость и повторное использование) и внедрив цельную, управляемую моделями платформу DT, обеспечивающую тесное сотрудничество между экспериментаторами и коллегами по компьютерным наукам.
«Благополучие всех американцев зависит от экологической целостности и устойчивой продуктивности океана, наших побережий и прибрежных водоразделов. Существующие возможности прогнозирования прибрежных наводнений ограничены неадекватным представлением прибрежных процессов в ESM, особенно в том, что касается прибрежных опасностей, а также отсутствием автоматизированного рабочего процесса для облегчения двусторонней передачи информации между экспериментаторами/экспертами в предметной области и вычислительными учеными. Наше исследование направлено на разработку структуры DT, способной объединять в близком и реальном времени множество данных, распределенных и параллельных вычислительных ресурсов в сочетании с методами искусственного интеллекта/машинного обучения, чтобы значительно улучшить текущие навыки прогнозирования опасностей в прибрежной зоне»
Ученые из LSU — не первые, кто решил использовать искусственный интеллект для прогнозирования погоды и стихийных бедствий. В мае 2021 года Национальный центр атмосферных исследований США (NCAR) разработал систему ИИ для предсказания града, торнадо и сильных ветров во время шторма, которые трудно спрогнозировать с помощью традиционных погодных моделей. Информация находится в свободном доступе в интернете и обновляется дважды в день.
В сентябре 2021 года британская лаборатория DeepMind разработала инструмент глубокого обучения DGMR, который точно предсказывает вероятность дождя в ближайшие 90 минут. Исследователи обучили искусственный интеллект работе с данными радаров, которые метеорологические ведомства многих стран регулярно публикуют. К примеру, в Великобритании каждые пять минут выходят новые показания.
