Zephyrnet-logo

NVIDIA maakt een digitale tweeling van het klimaat op aarde Hier is een kijkje binnen

Datum:

Enkele weken geleden zeiden klimaatwetenschappers: een extreme hittegolf in China was de slechtste ooit. Dagen later verklaarde Pakistan nationale noodtoestand door ongekende overstromingen. In Europa was de record zomerhitte inclusief de hoogste temperatuur ooit gemeten in Groot-Brittannië. En, in de VS, de ergste droogte in meer dan duizend jaar voert de twee grootste reservoirs van het land leeg, waterrantsoenering dwingen op miljoenen mensen.

Extreme weersomstandigheden zijn overal op aarde alarmerend gewoon geworden. Momenteel reageren we vooral, maar in een ideale wereld zouden we ons veranderende klimaat kunnen voorspellen, voorbereiden en aanpassen.

Dat is echter misschien makkelijker gezegd dan gedaan.

Het klimaat op aarde is verblindend complex. Klimaat- en weerpatronen worden aangedreven door een onherleidbaar web van interacties tussen verschillende planeetbrede systemen. Voeg daarbij de reeks menselijke activiteiten die deze systemen beïnvloeden, en je blijft zitten met een pijnlijk uitgebreide reeks variabelen.

Een essentieel item op het verlanglijstje voor klimaatcrisis is dus een manier om te voorspellen hoe deze systemen zich in de loop van de tijd zullen gedragen. Het is niet genoeg om het probleem te volgen zoals een weerbericht. We moeten ook afleiden hoe menselijke activiteiten toekomstige resultaten kunnen beïnvloeden. Een stedenbouwkundige moet misschien weten of in zijn bouwplannen rekening moet worden gehouden met overstromingen langs de kust. Maar stadsambtenaren die die vergunningen verlenen, zouden moeten voorspellen hoe de koolstofemissies van datzelfde gebouw het klimaat kunnen beïnvloeden.

Een opwindend voorstel genaamd Bestemming Aarde-een project dat begin 2021 door de Europese Commissie is gelanceerd - voorziet in een volledig gesimuleerde digitale tweeling van het klimaat op aarde. Deze softwarekopie van Earth zou onderzoekers en regeringen in staat stellen om belangrijke vragen te stellen over hoe menselijke activiteit vandaag de klimaatresultaten van morgen kan beïnvloeden.

Zwaar geïnspireerd door het idee, NVIDIA kondigde een even ambitieus project aan afgelopen jaar. Hun eigen versie wordt een interactieve digitale tweeling en computergebruik platform genaamd Earth-2.

"Op het hoogste niveau is de reden dat we Earth-2 bouwen om klimaatverandering te kunnen voorspellen en te monitoren, maar ook om strategieën te ontwikkelen om veranderingen te verzachten en aan te passen," Karthik Kashinath, hoofdingenieur bij NVIDIA en engineering lead voor de Earth-2-initiatief, onlangs verteld Hub voor singulariteit. Hoe meer we weten wat er gaat komen, hoe beter we voorbereid zullen zijn.

Om het potentieel van Earth-2 te waarderen, is het belangrijk om het zich ontwikkelende landschap van digitale tweelingtechnologieën te begrijpen. Wat is een digitale tweeling? En hoe kunnen we er een maken ter grootte van een planeet?

Achter de buzz: digitale tweelingen

Digitale tweelingen zijn een gesimuleerde replica van de werkelijkheid. De werkelijkheid in deze zin kan verwijzen naar een fysiek object zoals een windturbine of gebouw, een proces zoals de lopende band voor het vervaardigen van een auto, of een systeem zoals het financiële systeem of klimaat. Het idee is dat door een op software gebaseerd duplicaat van het echte werk te maken, digitale tweelingen een interactieve manier kunnen bieden om met dat object, proces of systeem om te gaan, vragen te stellen of voorspellingen te doen over dat object, proces of systeem.

Een aantal ingrediënten gaan in het bouwen van een digitale tweeling, maar een paar die het vermelden waard zijn, zijn 3D-interactieve interfaces, live datastreams en machine learning-modellen voor voorspelling.

Als een videogame

3D-interfaces geven digitale tweelingen een onderscheidende videogame-achtige kwaliteit en waarom de pers dit vaak zal doen hun dekking samenvoegen van digitale tweelingen met de metaverse.

Een voorbeeld, voor iedereen die in een Tesla heeft gezeten, is de dashboard visualisatie tool, waarin de auto een realtime, gesimuleerde versie van zichzelf in 3D laat zien. Deze 3D-spelomgevingen zijn nuttig omdat ze de complexiteit van het werken met de onderliggende technologieën wegnemen. Vanwege digitale tweelingen, stedenbouw, facility management en cyberbeveiliging verandert in werk dat op een dag misschien moeilijk te onderscheiden is van het spelen van een videogame.

In het geval van Earth-2 maakt het project gebruik van NVIDIA's Omniverse-platform dat 3D-omgevingen met hoge resolutie kan weergeven. Dat betekent dat gebruikers niet per se complexe codeervaardigheden nodig hebben om met Earth-2 te werken.

"Je communiceert ermee via een interface waarmee je schuifregelaars kunt verplaatsen of dingen kunt typen. Het zou eenvoudig moeten zijn om vragen te stellen aan deze digitale tweeling en antwoorden te krijgen", zegt Kashinath.

[Ingesloten inhoud]

De werkelijkheid spiegelen

Zelfs als een digitale tweeling flitsende 3D-beelden heeft, is het niet nuttig, tenzij het het systeem weerspiegelt dat het simuleert. Om dat te doen, moet het realtime gegevens bevatten over wat er in dat systeem gebeurt.

Denk aan de nieuwe Hummer EV, die maakt gebruik van de Unreal game engine om bestuurders een idee te geven van wat er met het voertuig gebeurt. Het dashboard geeft 3D-informatie weer over zaken als bandenspanning, kardinale richting, koppeloutput, g-krachten en hellings- en rolhoeken. De auto kan dit omdat hij is uitgerust met een verscheidenheid aan sensoren die realtime gegevens produceren.

In grote gebouwen worden aanwezigheidssensoren, liften, gloeilampen en meer geïntegreerd met gegevens over de weers- en verkeersomstandigheden buiten om een ​​realtime beoordeling van het gebouw te maken. Digitale tweelingen van gebouwen zijn nu aan het integreren tienduizenden van datapunten in een enkel dashboard, daarom is een gebruikelijke manier om digitale tweelingen te beschrijven "een enkele bron van waarheid".

Om dit idee uit te breiden van een gebouw naar de hele planeet, zou een digitale tweeling van het klimaat op aarde zich als het echte werk moeten gedragen - en om dat te doen, heeft het een grote hoeveelheid gegevens nodig.

Earth-2 assimileert gegevens van bronnen, waaronder satellietbeelden, grondstationsensoren, oceaanboeien en weerballonnen. Deze tools bieden weer- en klimaatwetenschappers natuurlijk geen volledige dekking van de wereld, dus gegevens uit honderden verschillende bronnen worden samengesmolten in een proces genaamd "heranalyse.” Simplistisch is heranalyse net zoiets als een puzzel maken. Gezien de stukken die je al hebt, kun je raden wat er in de gaten gaat.

"Het is de beste weergave die we van de aarde hebben," zei Kashinath.

Voorspellingsmachine

Met betrekking tot digitale tweelingen in het algemeen, is AI wat hen verandert van een cool ogend beeld in iets interactief, nuttig en voorspellends. Een gegevensgestuurde 3D-afbeelding van een windturbine is bijvoorbeeld niet zo nuttig als een afbeelding die, laten we zeggen, een veldoperator kan vertellen dat er, om verschillende redenen, 80 procent kans is dat hij kapot gaat en nodig heeft reparatie vandaag.

Earth-2 ontleent momenteel zijn voorspellende krachten aan een nieuw AI-model genaamd FourCastNet, de eerste van nog meer modellen. Het model is ontwikkeld in samenwerking met wetenschappers van het Lawrence Berkeley Laboratory, Caltech, de University of Michigan en elders en vormt een belangrijke afwijking van traditionele weersvoorspellingen.

Weersvoorspellingen worden nog steeds grotendeels aangedreven door een eeuwenoude benadering die numerieke weersvoorspelling (NWP) wordt genoemd. Het proces stopt observaties over het huidige weer in vergelijkingen die kunnen voorspellen wat het weer zal doen. Dankzij meer rekenkracht en toegang tot betere data zijn NWP-modellen al decennia aan het verbeteren. De zevendaagse voorspellingen van vandaag, bijvoorbeeld, zijn nauwkeurig ongeveer 80 procent van de tijd (hoewel het waarschijnlijk is) wiskundig onmogelijk om specifieke weersomstandigheden na ongeveer twee weken te voorspellen).

In plaats van een numerieke benadering, heeft FourCastNet combineert natuurkunde en machine learning getraind op ongeveer 10 terabytes, of 40 jaar aan heranalysegegevens. Eenmaal getraind, kan het systeem dezelfde weerobservatiegegevens gebruiken en voorspellingen maken die vergelijkbaar zijn met NWP-modellen.

Om de nauwkeurigheid te testen, vergeleken onderzoekers FourCastNet-voorspellingen met resultaten van het Integrated Forecast System (IFS), een veelgebruikt NWP-model dat wordt beschouwd als een gouden standaard in weersvoorspelling. FourCastNet toonde iets nauwkeurigere voorspellingen in kortere tijdschalen en ongeveer dezelfde nauwkeurigheid op langere. IFS is nog steeds superieur in het geven van voorspellingen met een iets hogere resolutie (9 vierkante kilometer vergeleken met 25). Maar met meer en betere weergegevens verwacht Kashinath dat FourCastNet de resolutie in de loop van de tijd zal verbeteren.

De echte verbetering is echter de efficiëntie. FourCastNet heeft veel minder rekenkracht en tijd nodig om de cijfers te kraken dan traditionele methoden.

"Vandaag de dag kost het European Centre for Forecasting ongeveer 1,500 CPU-knooppunten om een ​​zevendaagse voorspelling te maken, en ze voeren het tientallen minuten uit", zegt Kashinath. "Ons model kan dezelfde voorspelling met dezelfde betrouwbaarheid 50,000 keer sneller produceren, in een fractie van een seconde en op een enkele GPU."

Hoewel Kashinath zegt dat FourCastNet misschien al een betere optie is voor weersvoorspellingen vanwege de snelheid (en een veel kleinere ecologische voetafdruk van het merk), gaat het begrijpen van de toekomst van ons klimaat verder dan alleen het voorspellen van het weer. Klimaatmodellen op lange termijn proberen, in tegenstelling tot weersvoorspellingen, algemene trends te begrijpen, zoals gemiddelde temperaturen en windsnelheden, zeespiegelstijging en de frequentie en ernst van extreme gebeurtenissen.

Kashinath zegt dat de versnelling mogelijk gemaakt door AI-modellen zoals FourCastNet vooral nuttig zal zijn voor dit soort voorspellingen. “We zullen heel snel duizenden scenario's kunnen onderzoeken. We hebben te maken met een probleem dat veel mogelijke scenario's heeft, en we kunnen niet wachten tot een numeriek model doordringt en ons langzaam één voor één antwoorden geeft,' zei hij.

Een vertrouwde software-assistent

Kashinath zei dat wat digitale tweelingen speciaal maakt, hun interactiviteit is. Hoewel we al tientallen jaren weersvoorspellingen hebben, hebben we nooit systemen gehad waar we gemakkelijk (en snel) vragen over kunnen stellen.

"Je kunt met de digitale tweeling communiceren op manieren die je gewoon niet kunt gebruiken met een weersvoorspelling. En het is in realtime', zei hij. “Dat is iets wat een digital twin onderscheidt van een weersvoorspelling of klimaatmodel. Je bent ermee bezig en krijgt reacties in een tempo dat met traditionele modellen onmogelijk is.”

Dankzij een interactieve interface en snelle responstijd kan Earth-2 nuttig zijn voor burgers buiten klimaatwetenschappers en beleidsmakers.

"Als ik een boer in Australië ben, en ik wil weten hoe de droogtesituatie er de komende 20 tot 30 jaar zal uitzien en beslissen welke soorten gewassen ik zou willen verbouwen of hoe ik de irrigatie zou willen veranderen technologieën die ik voor mijn boerderij gebruik, wil ik dergelijke vragen aan deze digitale tweeling kunnen stellen en antwoorden krijgen”, zei Kashinath.

VierCastNet, een open source-project, is het eerste product van het bredere Earth-2-initiatief dat beschikbaar is voor onderzoekers. En hoewel er geen specifieke datum is voor wanneer het team Earth-2 publiekelijk zal lanceren, zei Kashinath dat het op dezelfde manier open zal staan ​​voor gebruik door de onderzoeksgemeenschap.

Hopelijk kunnen we, naarmate tools zoals Earth-2 verschijnen, beter plannen voor en ons aanpassen aan ons snel veranderende klimaat.

Krediet van het beeld: NVIDIA

spot_img

Laatste intelligentie

spot_img