#ифа_исследования

Искусственный интеллект в современных научных исследованиях.

🥇 В 2024 году Нобелевской премии по физике были удостоены Джон Хопфилд (США) и Джеффри Хинтон (Канада) «за основополагающие открытия и изобретения, которые позволяют осуществлять машинное обучение с использованием искусственных нейронных сетей».

↗ Исследование геофизических процессов в последнее время все чаще подразумевают использование методов машинного обучения или глубокого обучения. По данным Scopus (2000 — 2023 г.) наблюдается экспоненциальный рост количества статей с применением методов машинного обучения в науках о Земле начиная с 2017 года. Возможности современных статистических моделей применяют в задачах полевых измерений, при анализе геофизических полей, интерпретации данных дистанционного зондирования, моделирования отдельных геофизических процессов и т.д.

В Институте физики атмосферы им. А.М. Обухова РАН также проводятся исследования с использованием методов искусственного интеллекта. Именно о таких исследованиях и пойдет речь в этом посте.

1. ЛГГ
В Лаборатории геофизической гидродинамики (ЛГГ) реализуется задача, нацеленная на изучение методов интеллектуального анализа данных и машинного обучения для их последующего применения в процессе разработки адаптивных алгоритмов построения прогностических моделей наукастинга (прогноза на ближайшие часы) опасных погодных явлений (ОЯ). В силу своих небольших размеров ОЯ создают трудности для прогноза традиционными гидродинамическими моделями. В частности, в работе рассматривается проблема предупреждения угроз возникновения смерчей над Черным морем. Для подобного прогноза, в качестве входных данных наблюдений для классификации облачных ячеек по степени опасности формирования из них водяных смерчей используются спутниковые данные. В перспективе для усовершенствования модели планируется использование большего объема данных, в частности данных радиолокации.

2. ЛТК
Одновременно с этим, в Лаборатории теории климата (ЛТК) под руководством к.ф.-м.н. А.В. Чернокульского проводится работа по исследованию мезомасштабных конвективных систем (МКС) с использованием методов искусственного интеллекта. В работе были созданы: (a) инструмент GeoAnnotateAssisted для быстрой и удобной визуальной идентификации МКС на спутниковых снимках; (b) набор данных мезомасштабных конвективных систем над европейской территорией России (DaMesCoS-ETR) и (c) глубокая сверточная нейронная сеть для идентификации мезомасштабных конвективных систем (MesCoSNet), которая способна идентифицировать МКС в данных Meteosat. Автоматизированная идентификация МКС искусственной нейронной сетью MesCoSNet открывает новые возможности для ранее недоступных тем исследования МКС.

3. ЛМЭ
Старший научный сотрудник Лаборатории математической экологии (ЛМЭ) к.ф.-м.н. Г.А. Александров в своей работе «Когда искусственный интеллект заменит модели, основанные на процессах, в экологическом моделировании?» рассматривает вопрос возможности замены нейронными сетями физически обоснованных моделей. Дело в том, что накопление долгосрочных рядов данных снижает спрос на моделирование на основе физических процессов и выводит на первый план современные методы. К примеру, недавно был разработан пакет Python «NeuroDiffEq», который способен создать нейронную сеть для решения дифференциального уравнения с заданными значениями параметров. Созданная таким образом нейронная сеть используется для поиска параметров, соответствующих наблюдениям, а затем для прогнозирования значений зависимой переменной за пределами периода наблюдений. Другими словами, пакеты для решения дифференциальных уравнений с использованием нейронных сетей позволяют превращать модели, основанные на физических процессах, в нейронные сети. Однако, принимая во внимание, что целью экологических исследования является достижение предсказательного понимания физических процессов, в будущем можно ожидать скорее синергию между моделями и нейронными сетями.
Фото: от AI