Skip to main content
European Commission logo
français français
CORDIS - Résultats de la recherche de l’UE
CORDIS
CORDIS Web 30th anniversary CORDIS Web 30th anniversary

MAchinE Learning for Scalable meTeoROlogy and cliMate

Article Category

Article available in the following languages:

Prévoir les phénomènes météorologiques extrêmes grâce à l’intelligence artificielle

Une initiative révolutionnaire du projet MAELSTROM financé par EuroHPC JU a permis de créer une série de nouveaux outils matériels et logiciels destinés à intégrer l’apprentissage automatique dans la modélisation du climat.

Le changement climatique va très certainement remodeler les systèmes météorologiques, ce qui pourrait exacerber les menaces telles que les phénomènes météorologiques extrêmes. L’amélioration des modèles météorologiques et climatiques nous aidera à nous préparer à ces futurs impacts. Les chercheurs travaillant sur le projet MAELSTROM ont poursuivi le développement de l’architecture européenne de calcul haute performance (HPC) afin d’améliorer notre capacité à prévoir les événements climatiques futurs. L’équipe de MAELSTROM s’est réunie dans toute l’Europe pour co-concevoir des systèmes informatiques sur mesure destinés à améliorer l’efficacité énergétique, de nouveaux logiciels capables d’intégrer l’apprentissage automatique et de nouvelles applications d’intelligence artificielle pour documenter les prévisions météorologiques. Ces avancées technologiques ont déjà renforcé les capacités de HPC de l’Europe et stimulé les capacités techniques dans les sciences météorologiques et climatiques. «Ce projet a aidé la communauté météorologique et climatique à mieux comprendre en quoi l’apprentissage automatique peut améliorer les prévisions météorologiques et climatiques, comment utiliser au mieux les supercalculateurs modernes et comment permettre à l’industrie HPC de fournir le meilleur matériel pour le domaine d’application», déclare Peter Dueben, coordinateur du projet MAELSTROM et chef de la section Modélisation du système terrestre au Centre européen pour les prévisions météorologiques à moyen terme (CEPMMT) au Royaume-Uni.

Co-concevoir de nouveaux matériels et logiciels

Le projet MAELSTROM est un effort de collaboration dans le cadre duquel de nouveaux produits et outils ont été créés selon un cycle de co-conception. Le projet a été réalisé avec le soutien de l’entreprise commune européenne pour le calcul haute performance (EuroHPC JU), une initiative conçue pour développer un écosystème de supercalculateurs de classe mondiale en Europe. Les météorologues et climatologues ont développé de nouvelles applications en collaboration avec des chercheurs en apprentissage automatique, tandis que les ingénieurs en logiciel ont œuvré à l’amélioration des outils logiciels mis à la disposition des scientifiques qui développent de nouvelles applications de formation, d’inférence et d’analyse comparative. Les scientifiques du calcul intensif ont ensuite pris ces applications et ces logiciels pour référence dans le cadre de tests portant sur de nouvelles configurations matérielles et de nouvelles conceptions de systèmes informatiques. «Le retour d’information des développeurs de matériel à l’intention des développeurs d’applications nous permet de créer des applications plus performantes et d’ajuster la parallélisation, la consommation d’énergie et la précision numérique durant l’apprentissage et l’inférence», explique Peter Dueben.

Définir des critères de référence pour la communauté de l’apprentissage automatique

«Les produits et outils sont sans conteste les résultats les plus importants du projet», explique Peter Dueben. Ceux-ci vont de l’amélioration des applications d’apprentissage automatique pour les sciences météorologiques et climatiques à l’amélioration des logiciels d’apprentissage automatique, en passant par la publication en ligne d’ensembles de données de référence utiles pour la communauté de l’apprentissage automatique. Les applications d’apprentissage automatique développées par MAELSTROM sont capables de transformer les données climatiques en prévisions plus précises, grâce à un meilleur traitement des observations, à un post-traitement des données issues des modèles et à de nouvelles capacités de prévision. Le projet a également permis de définir les conceptions de systèmes informatiques les plus efficaces pour l’apprentissage automatique dans le cadre d’applications physiques. Tout particulièrement, les développements des applications ont permis la conception d’outils qui sont déjà utilisés dans les centres de prévision météorologique participants pour améliorer les prévisions météorologiques au quotidien», fait remarquer Peter Dueben.

Révolutionner les prévisions météorologiques

L’apprentissage automatique est en train de révolutionner la manière dont sont menées les prévisions météorologiques, les modèles d’apprentissage automatique purs étant plus performants que les prévisions conventionnelles à de nombreux égards. Le projet a pris fin en mars 2024, mais les travaux se poursuivent avec des grands centres météorologiques tels que le partenaire du projet Met Norway, qui développe des outils s’appuyant l’apprentissage automatique. «Je suis convaincu que tous les partenaires poursuivront leurs efforts pour améliorer davantage les applications, les logiciels et le matériel», conclut Peter Dueben.

Mots‑clés

MAELSTROM, EuroHPC JU, climat, prévisions, météo, extrêmes, intelligence artificielle, supercalculateurs, prévision, apprentissage automatique, HPC

Découvrir d’autres articles du même domaine d’application