Нов алгоритъм за персонален компютър прогнозира климата не по-зле от суперкомпютър

Преди няколко дни Великобритания даде $1,6 милиарда за нов суперкомпютър, който ще се използва за по-точно прогнозиране на времето. А днес бе представен нов алгоритъм, който дава възможност с обикновен персонален компютър да се прогнозира времето толкова добре, колкото и със суперкомпютър. Новият алгоритъм може с голяма точност да прогнозира събитията и в други явления и процеси.

Научната работа бе публикувана в списание Science Advances от екип учени от Университета Йоханес Гутенберг в Майнц и Университета в Лугано. Самият алгоритъм се разработва от много години и се базира на концепцията „Мащабируема вероятностна апроксимация“ – SPA (scalable probabilistic approximation). Алгоритъмът може да анализира няколко десетки компонента на подобни сложни явления и да предскаже тяхното бъдещо поведение с висока точност.

„Използвайки SPA алгоритъма, с помощта на обикновен персонален компютър ние прогнозираме температурата на повърхността на различните региони на Европа с точност 0,75 градуса по Целзий“ – каза съавторът на разработката Сузана Гербер (Susanne Gerber).

Нещо повече, тестовете показват, че честотата на грешките при използването на SPA на персонален компютър са с 40% по-малко от тези при използването на суперкомпютър.

SPA алгоритъмът може да се използва и в други области. Той еднакво добре работи както при изчисляването модела на Лоренц, описващ конвективните потоци на въздуха в атмосферата, така и за оценка динамиката на поведението на аминокиселините във водата. Чрез SPA метода може да се прави диагностика на рака на гърдата, да се прогнозират неврологичните заболявания и други.

Важна особеност на SPA е, че той не е като съвременните модели с дълбоко машинно обучение. При невронните мрежи се получава нещо като черна кутия, на входа на която се подават данните и на изхода се получава резултата, без да е особено ясно как е станало това. SPA дава възможност за интерпретиране свързаността на данните, както и ясно да се видят какви характеристики и параметри са използвани за обработката на масивите данни.