Современные нейросети уверенно берутся за задачи, которые еще недавно казались исключительной прерогативой суперкомпьютеров. Исследователи из Университета Рединга совместно с инженерами NVIDIA решили проверить, можно ли научить ИИ предсказывать погоду не на Земле, а на Марсе. За основу взяли графовую нейросеть GraphCast, уже зарекомендовавшую себя в земных прогнозах, и превратили ее в специализированный инструмент MarsCast. Результат превзошел ожидания: модель выдает 10-дневный прогноз марсианской погоды всего за пару минут на одной видеокарте.
Первые тесты показали, что «сырая» модель без адаптации способна оценивать текущее состояние атмосферы, но полностью теряла динамику и не понимала суточных колебаний. Марс, как известно, планета контрастов: разница температур между днем и ночью может достигать сотен градусов, и обычные алгоритмы на это просто не заточены. Чтобы дать нейросети нужный контекст, в архитектуру внедрили данные из марсианской климатической базы MCD, которая хранит параметры атмосферы на разных высотах. Так MarsCast научилась различать, где дует ветер на экваторе, а где — у полярных шапок.
Ключевыми переменными для обучения стали температура, горизонтальный и вертикальный потоки ветра, а роль внешнего триггера отвели солнечной радиации. Марс получает в разы меньше тепла, чем Земля, и именно солнечный нагрев задает ритм всем процессам. Влажность, для упрощения, зафиксировали на постоянном уровне — на практике она редко поднимается выше 10%, хотя утром случаются неожиданные всплески. На обучение ушло всего 30 дней собранных данных, но их распределили по разным сезонам марсианского года, чтобы захватить изменчивость.
Уже через 10 эпох обучения MarsCast начала уверенно воспроизводить суточный ритм: температура росла с восходом и падала с закатом. К 300 эпохам прогнозы стали стабильными, а пик точности пришелся на отметку около 1000 итераций. На выходе модель выдавала детальный профиль атмосферы на ближайшие 240 часов — с корректным описанием вертикальной структуры, скоростей ветра и даже пылевых бурь, которые на Красной планете бывают планетарного масштаба.
Любопытно, что скорость работы впечатляет: то, что классическим суперкомпьютерам с их физическими уравнениями требуется на дни, здесь решается за секунды. Правда, есть и ограничения. Точность прогноза зависит от сезона старта и объема тренировочного датасета. Если модель обучалась на одних условиях, а применять ее приходится в других — возможны сбои.
Тем не менее, сам факт успешного переноса земных алгоритмов на внеземную среду — это важный шаг. В будущем подобные нейросети могут не только помогать планировать миссии марсоходов, но и лягут в основу систем жизнеобеспечения колоний. Пока же мы наблюдаем, как технологии, рожденные для предсказания дождя на Земле, начинают работать на соседней планете. И это, пожалуй, самый яркий пример того, что искусственный интеллект — это инструмент, которому тесно в границах одного мира.
Об авторе
