HUAWEI CLOUD ஆராய்ச்சியாளர்களால் எழுதப்பட்ட Pangu Weather AI மாதிரி பற்றிய ஆய்வறிக்கையை Nature என்ற புகழ்பெற்ற அறிவியல் இதழ் வெளியிடுகிறது

வேகம் மற்றும் துல்லியத்தில் பாரம்பரியமான கணிப்புடன் ஒப்பிடும்போது வானிலையியல் மாதிரி வலுவான செயல்திறனைக் காட்டுகிறது

HUAWEI CLOUD, அதன் திருப்புமுனையான Pangu Weather AI மாதிரியைப் பற்றிய ஒரு கட்டுரையை உலகின் தலைசிறந்த அறிவியல் இதழ்களில் ஒன்றான Nature வெளியிட்டுள்ளது என்பதை அறிவித்துள்ளது.

Nature அட்டவணையின்படி, ஒரு சீனத் தொழில்நுட்ப நிறுவனத்தின் பணியாளர்கள் Nature பேப்பரின் ஒட்டுமொத்த ஆசிரியர்களாக இருப்பதை இந்த வெளியீடு முதன்முறையாகக் குறிக்கிறது. 43 வருடத் தரவைப் பயன்படுத்திய ஆழ்ந்த கற்றலின் அடிப்படையில் சரியான மற்றும் துல்லியமான உலகளாவிய AI வானிலை முன்னறிவிப்பு அமைப்பை எவ்வாறு உருவாக்குவது என்பதை விவரிக்கும் கட்டுரை, ஜூலை 5, 2023 அன்று புகழ்பெற்ற இதழில் வெளிவந்தது.

பாரம்பரியமான எண்ணியல் வானிலை முன்னறிவிப்பு முறைகளை விட அதிக துல்லியத்தை வெளிப்படுத்தும் முதல் AI கணிப்பு மாதிரி Pangu-Weather ஆகும். மாதிரியானது கணிப்பு வேகத்தில் 10,000x முன்னேற்றத்தை அனுமதிக்கிறது, இது உலகளாவிய வானிலைக் கணிப்பு நேரத்தைச் சில வினாடிகளுக்குக் குறைக்கிறது. “Accurate medium-range global weather forecasting with 3D neural networks” என்ற தலைப்பில் உள்ள கட்டுரை இந்தத் திறன்களின் சுயாதீன சரிபார்ப்புகளை வழங்குகிறது.

AI வானிலை முன்னறிவிப்பின் துல்லியமானது பாரம்பரிய எண்ணியல் முன்னறிவிப்புகளைக் காட்டிலும் குறைவானது என்று முன்னர் இருந்த அனுமானங்களுக்கு Pangu-Weather சவால்விடுக்கிறது. HUAWEI CLOUD குழுவால் உருவாக்கப்பட்ட இந்த மாதிரியானது, பாரம்பரிய எண் கணிப்பு முறைகளை விட அதிக துல்லியம் கொண்ட முதல் AI கணிப்பு மாதிரியாகும்.

கடந்த 30 ஆண்டுகளில் மிக விரைவாக மேம்பட்டுள்ள கணினி ஆற்றலின் விளைவாக, எண்ணியல் வானிலை முன்னறிவிப்பின் துல்லியம் வியத்தகு முறையில் மேம்பட்டுள்ளது, இது கடுமையான பேரழிவு எச்சரிக்கை மற்றும் காலநிலை மாற்றக் கணிப்புகளை வழங்குகிறது. எனினும் அந்த முறை ஒப்பீட்டளவில் அதிக நேரத்தை எடுத்துக்கொள்கிறது. கணிப்பு வேகங்களை மேம்படுத்த, ஆழ்ந்த கற்றல் முறைகளை எவ்வாறு பயன்படுத்துவது என்பதை ஆராய்ச்சியாளர்கள் ஆராய்ந்து வருகின்றனர். இருப்பினும், நடுத்தர மற்றும் நீண்ட கால முன்னறிவிப்புகளுக்கான AI அடிப்படையிலான முன்னறிவிப்பின் துல்லியமானது எண்ணியல் முன்னறிவிப்புகளை விடக் குறைவாகவே உள்ளது. கடும் புயல்கள் போன்ற தீவிரமான மற்றும் அசாதாரண வானிலையை பெரும்பாலும் AI-ஆல் கணிக்க முடியவில்லை.

ஒவ்வொரு ஆண்டும், உலகம் முழுவதும் சுமார் 80 கடும் புயல்கள் ஏற்படுகின்றன. 2022 ஆம் ஆண்டில் சீனாவில் மட்டும், கடும் புயல்களால் ஏற்பட்ட நேரடிப் பொருளாதார இழப்பு 5.42 பில்லியன் யுவான் என்று சீனாவின் அவசரநிலை மேலாண்மை அமைச்சகத்தின் புள்ளிவிவரங்கள் தெரிவிக்கின்றன. முன்னெச்சரிக்கைகள் எவ்வளவு முன்னதாக அனுப்பப்படுகிறதோ, அவ்வளவு எளிதாகவும் சிறப்பாகவும் போதுமான தயாரிப்புகளை மேற்கொள்ள முடியும்.

வேகம் காரணமாக AI வானிலை முன்னறிவிப்பு மாதிரிகள் கவர்ச்சிகரமானவை எனினும் இரண்டு காரணங்களுக்காகத் துல்லியமானதாக இல்லை. முதலாவதாக, தற்போதுள்ள AI வானிலை முன்னறிவிப்பு மாதிரிகள் 2D நியூரல் நெட்வொர்க்குகளை அடிப்படையாகக் கொண்டவை, அவற்றால் சீரற்ற 3D வானிலையியல் தரவைச் சிறப்பாகச் செயலாக்க முடியாது. இரண்டாவதாக, மாதிரியானது பல முறை அழைக்கப்படும்போது நடுத்தர அளவிலான வானிலை முன்னறிவிப்பானது ஒட்டுமொத்த முன்னறிவிப்புப் பிழைகளால் பாதிக்கப்படலாம்.

இந்தச் சவால்களை Pangu-Weather எவ்வாறு எதிர்கொள்கிறது

அறிவியல் ரீதியிலான சோதனைகளின்போது, 1 மணிநேரம் முதல் 7 நாட்கள் வரையிலான முன்னறிவிப்புகளுக்கான பாரம்பரிய எண் கணிப்பு முறைகளுடன் ஒப்பிடும்போது, Pangu-Weather மாதிரியானது அதன் உயர் துல்லியத்தை 10,000 மடங்கு கணிப்பு வேகத்துடன் நிரூபித்துள்ளது. ஈரப்பதம், காற்றின் வேகம், வெப்பநிலை மற்றும் கடல் மட்ட அழுத்தம் உள்ளிட்ட நுண்ணிய வானிலை அம்சங்களை இந்த மாதிரியால் ஒரு சில நொடிகளில் துல்லியமாகக் கணிக்க முடியும்.

சிக்கலான சீரற்ற 3D வானிலைத் தரவைச் செயலாக்குவதற்கு மாதிரியானது 3D எர்த் சார்ந்த டிரான்ஸ்பார்மர் (3DEST) கட்டமைப்பைப் பயன்படுத்துகிறது. மாதிரியானது 1 மணிநேரம், 3 மணிநேரம், 6 மணிநேரம் மற்றும் 24 மணிநேர இடைவெளிகளைப் பயன்படுத்தி வெவ்வேறு முன்னறிவிப்பு இடைவெளிகளுக்குப் படிநிலை, தற்காலிக, திரட்டல் உத்தியைப் பயன்படுத்தும் வகையில் பயிற்சியளிக்கப்பட்டது. இது ஒரு குறிப்பிட்ட நேரத்தில் வானிலை நிலையை மீண்டும் மீண்டும் கணிக்க வேண்டிய தேவையின் அளவைக் குறைப்பதுடன், தவறான முன்னறிவிப்புகளையும் குறைக்கிறது.

குறிப்பிட்ட நேர இடைவெளிக்காக மாதிரியைப் பயிற்றுவிக்க, ஆராய்ச்சியாளர்கள் 1979-2021 வரையிலான வானிலைத் தரவின் மணிநேர மாதிரிகளைப் பயன்படுத்தி 100 சகாப்தங்களைப் (சுழற்சிகள்) பயிற்றுவித்தனர். ஒவ்வொரு துணை மாதிரிக்கும் 192 V100 கிராஃபிக்ஸ் கார்டுகளில் 16 நாட்கள் பயிற்சி தேவைப்பட்டது. Pangu-Weather மாதிரியால் இப்போது V100 கிராஃபிக்ஸ் கார்டில் 24 மணிநேர உலகளாவிய வானிலை முன்னறிவிப்புகளை வெறும் 1.4 வினாடிகளில் நிறைவுசெய்ய முடியும், இது பாரம்பரிய எண்ணியல் கணிப்புடன் ஒப்பிடும்போது 10,000 மடங்கு மேம்பட்டது ஆகும்.

HUAWEI CLOUD AI குழு ஏன் வானிலை முன்னறிவிப்புகளில் கவனம் செலுத்தத் தேர்ந்தெடுத்தது என்பதை HUAWEI CLOUD AI புலத்தின் தலைமை விஞ்ஞானியும், IEEE உறுப்பினர் மற்றும் சர்வதேச யூரேசியன் அகாடமி ஆஃப் சயின்ஸின் கல்வியாளருமான டாக்டர் தியான் குய் விளக்கும்போது, “அறிவியல் சார்ந்த கணிப்புத் துறையில் வானிலை முன்னறிவிப்பு மிக முக்கியமான காட்சிகளில் ஒன்றாகும், ஏனெனில் வானிலையியல் கணிப்பு என்பது மிகவும் சிக்கலான அமைப்பாகும், அத்துடன் கணிதம் மற்றும் நேரடி அறிவின் அனைத்து அம்சங்களையும் உள்ளடக்குவதும் கடினம். அதனால்தான் Nature இதழால் எங்கள் ஆராய்ச்சி அங்கீகரிக்கப்பட்டதில் நாங்கள் மகிழ்ச்சியடைகிறோம். AI மாதிரிகளால் பெரிய அளவிலான தரவிலிருந்து வளிமண்டலப் பரிணாம வளர்ச்சியின் புள்ளிவிவர விதிகளை உருவாக்க முடியும். தற்போது, Pangu-Weather ஆனது முக்கியமாக முன்னறிவிப்பு அமைப்பின் வேலையைச் செய்கிறது, மேலும் அதன் முக்கியத் திறன் வளிமண்டல நிலைகளின் பரிணாம மாற்றத்தை முன்னறிவிப்பதாகும். தற்போதுள்ள வானிலை முன்னறிவிப்பு அமைப்புகளை வலுப்படுத்த AI தொழில்நுட்பங்களைப் பயன்படுத்தி அடுத்த தலைமுறை வானிலை முன்னறிவிப்புக் கட்டமைப்பை உருவாக்குவதே எங்கள் இறுதி இலக்காகும். “

HUAWEI CLOUD செய்த ஆராய்ச்சியின் முக்கியத்துவம் மற்றும் தரம் குறித்து கருத்து தெரிவித்த Nature இதழின் கல்விசார் விமர்சகர்கள், Pangu-Weather-ஐப் பதிவிறக்கி இயக்குவது மிகவும் எளிதாக இருப்பது மட்டுமல்லாமல், டெஸ்க்டாப் கணினியில் கூட விரைவாகச் செயல்படுகிறது என்று விளக்கினர். “அதாவது வானிலையியல் சமூகத்தில் உள்ள எவரும் இப்போது இந்த மாதிரிகளை தங்கள் இதயத்தின் விருப்பத்திற்கு ஏற்ப இயக்கிச் சோதிக்க முடியும். மாதிரியானது குறிப்பிட்ட நிகழ்வுகளை எவ்வளவு சிறப்பாகக் கணிக்கின்றது என்பதை ஆராய்வதற்கு அந்தச் சமூகத்திற்கு என்ன ஒரு சிறந்த வாய்ப்பு இது. இது இந்தத் துறையின் முன்னேற்றத்திற்கு உதவும்.” மற்றொரு மதிப்பாய்வாளர், “முடிவுகள் முந்தைய முடிவுகளைத் தாண்டி ஒரு குறிப்பிடத்தக்க முன்னேற்றப் படியாக உள்ளன. என் கருத்துப்படி இந்தப் படைப்பானது எதிர்காலத்தில் முன்கணிப்பு மாதிரிகள் எப்படி இருக்கும் என்பதை மக்களை மறுமதிப்பீடு செய்ய வைக்கும்”.

மே 2023-இல் ஏற்பட்ட மாவார் கடும் புயல் இந்த ஆண்டின் வலுவான வெப்பமண்டலச் சூறாவளியாக உலகின் கவனத்தை ஈர்த்தது. சீன வானிலையியல் நிர்வாகத்தின் கூற்றுப்படி, தைவான் தீவுகளின் கிழக்குக் கடல் பகுதியில் மாவார் கடும் புயலின் பாதையை மாற்றுவதை ஐந்து நாட்களுக்கு முன்பே Pangu-Weather துல்லியமாகக் கணித்துள்ளது.

Pangu data in typhoon

மாவார் கடும் புயலின் பாதையைக் கணித்ததில் Pangu-இன் பிழை மிகவும் சிறியது

கூடுதலாக, முன்னணி AI வானிலை முன்னறிவிப்பு மாதிரிகளைத் தொடர்ந்து முன்னேற்றுவதற்கு, நிலையான கிளவுட் சூழல்கள், பணித் தொகுப்புகள் மற்றும் தொடர்புடைய O&M ஆகியவையும் அவசியமாகும்.

Share

Leave a Reply

Your email address will not be published. Required fields are marked *