image
Главная // Блог // ИИ в науке и технике // Новый алгоритм для прогноза погоды, запущенный на ПК, по точности превосходит суперкомпьютер

Новый алгоритм для прогноза погоды, запущенный на ПК, по точности превосходит суперкомпьютер

Новый алгоритм для прогноза погоды, запущенный на ПК, по точности превосходит суперкомпьютер  

Экспоненциальный рост вычислительных мощностей за последние 60 лет может вскоре существенно замедлиться. Сложные системы на основе суперкомпьютеров, используемые при подготовке прогноза погоды, требуют высоких вычислительных мощностей, но затраты на запуск компьютеров для обработки больших объемов данных могут стать ограничивающим фактором для развития.

Исследователи из Университета Йоханнеса Гутенберга в Майнце (JGU) в Германии и Итальянского университета (USI) в Лугано (Швейцария) недавно представили алгоритм, который может решать сложные комплексные задачи. Особенность данного алгоритма в том, что он прекрасно работает даже на персональном компьютере.

Экспоненциальный рост скорости вычислений в ИТ достигнет своего предела

Ранее мы наблюдали поступательный рост скорости вычислений при обработке информации в полном соответствии с законом Мура, но теперь похоже, что эта экспоненциальная скорость роста ограничена. 

Новые разработки опираются на машинное обучение и методы искусственного интеллекта, но сами вычислительные процессы в значительной происходят в условиях некоторой неопределенности. 

«Многие методы машинного обучения, такие как очень популярное сейчас глубокое обучение, очень успешны, но работают по принципу черного ящика, что означает, что мы не знаем точно, что происходит у него внутри. Мы хотели понять, как работает искусственный интеллект, и получить лучшее понимание механизма связанных зависимостей», — сказала профессор Сюзанна Гербер, специалист по биоинформатике в университете Майнца. 

Вместе с профессором Ильей Хоренко, экспертом по машинному обучению в USI и членом Mercator Freie Universität Berlin, она разработала методику выполнения сверхсложных вычислений при низких затратах производительности и ​​высокой надежности. 

Гербер и Хоренко вместе со своими соавторами описали свою концепцию в статье, озаглавленной «Недорогая масштабируемая дискретизация, прогнозирование и выбор характеристик для сложных систем», недавно опубликованной в журнале Science Advances. 

«Этот метод позволяет нам выполнять задачи, для которых раньше требовался суперкомпьютер, на стандартном ПК», — подчеркнул Хоренко. В дополнение к прогнозам погоды, данная разработка может иметь множество возможных применений, таких как решение задач классификации в биоинформатике, анализе изображений и медицинской диагностике.

Разбиение сложных систем на отдельные компоненты

Представленный документ является результатом многолетней работы по разработке нового подхода. Согласно Герберу и Хоренко, процесс основан на принципе Лего, согласно которому сложные системы разбиваются на дискретные состояния или паттерны. Имея всего несколько шаблонов или компонентов, например, три или четыре десятка, можно анализировать большие объемы данных и прогнозировать, выявлять закономерности и строить прогноз.

«Например, используя алгоритм SPA и данные предыдущих измерений, мы могли бы спрогнозировать температуру поверхности земли в Европе на день вперед с абсолютной ошибкой прогнозирования в 0,75 градуса Цельсия», — сказала Гербер. Разработанный алгоритм успешно работает на обычном ПК и имеет уровень ошибок на 40% меньший, чем у стандартных компьютерных систем, используемых метео-службами, при этом новое решение обладает значительно меньшей стоимостью.


SPA (Scalable Probabilistic Approximation) масштабируемая вероятностная аппроксимация — математическая концепция. Этот метод может быть полезен в различных ситуациях, когда требуется автоматическая обработка больших объемов данных. Например, в биологии, когда необходимо классифицировать и сгруппировать большое количество клеток. 


Классификация 25 000 генов, 11 типов клеток, 300 образцовКлассификация 25 000 генов, 11 типов клеток, 300 образцов. Слева направо: ошибка аппроксимации, ошибка классификации

  

«Что особенно полезно в результате, так это то, что мы можем получить представление о том, какие именно характеристики были использованы для классификации клеток», — добавил Гербер. Другая потенциальная область применения — неврология. Автоматический анализ сигналов электроэнцефалограммы может послужить основой для оценки состояния головного мозга. 

Метод можно использовать даже при диагностике рака молочной железы, так как изображения, полученные в результате маммографии, можно анализировать, чтобы заранее предсказать результаты возможной биопсии.


Результаты диагностики рака молочной железы. Слева направо: ошибка аппроксимации, ошибка классификации


Результаты диагностики рака молочной железы. Слева направо: ошибка аппроксимации, ошибка классификации

  

«Алгоритм SPA может применяться в ряде областей, от модели Лоренца до молекулярной динамики аминокислот в воде», — заключил Горенко.

 «Процесс проще и дешевле, а результаты гораздо порой даже лучше по сравнению с результатами современных суперкомпьютеров».



Оставить комментарий
Информация
Посетители, находящиеся в группе Гости, не могут оставлять комментарии к данной публикации.

Похожие новости

Искусственный интеллект — это просто!