Meteoroloji dünyasında köklü bir inanç sorgulanıyor. Uzun yıllardır bilim insanları, küçük ölçekli hızlı hata büyümesinin deterministik hava durumu tahminlerini yaklaşık iki hafta ile sınırladığını kabul ediyordu. Ancak yapay zeka teknolojisi bu paradigmayı değiştirmeye başladı.
GraphCast makine öğrenmesi modeli kullanılarak gerçekleştirilen yeni araştırmada, 2020 yılı boyunca günde iki kez yapılan tahminler için başlangıç koşulları optimize edildi. Bu yaklaşım, standart reanalizlerden elde edilen kontrol tahminlerine kıyasla on günlük süreçte ortalama %86 oranında hata azalması sağladı. Daha da dikkat çekici olan ise, modelin tahmin becerisinin 30 günü aşması oldu.
Optimal başlangıç koşullarındaki ortalama değişiklikler, büyük ölçekli ve mekânsal olarak tutarlı düzeltmeleri ortaya çıkardı. Bu düzeltmeler öncelikle Hadley sirkülasyonunun yoğunlaşmasını yansıtıyor - bu da küresel atmosfer dinamiklerinin daha iyi anlaşılması açısından önemli bir bulgu.
Araştırmanın geçerliliğini test etmek için GraphCast'in optimize ettiği başlangıç koşulları Pangu-Weather modeli üzerinde de denenmiş ve dört günde zirve yapan %21'lik hata azalması elde edilmiş. Bu sonuç, analizlerin hem model hem de analiz hatalarını hedef alan düzeltmeleri yansıttığını gösteriyor.