Ilustração. Furacão Helene, ocorrido em 26 de setembro de 2024 em Big Bend, Flórida. A parte central da tempestade tem 500 quilômetros de diâmetro. Imagem composta do satélite Dakota Smith, sobreposta na lua de Saturno, Encélado (também com aproximadamente 500 km de diâmetro) por Paul Byrne para mostrar a escala da tempestade. Veja uma visão diferente desta tempestade gigante a partir da Estação Espacial Internacional, cortesia da NASA.
Escrito por Amara Graps
Previsões
Previa-se que o furacão Helene seria um dos maiores furacões em anos a atingir a região; apenas três desde 1988 eram grandes. As tripulações da Reserva da Força Aérea dos EUA realizaram nove missões de observação meteorológica durante a tempestade, começando em 23 de setembro de 2024, para coletar dados para as previsões do Centro Nacional de Furacões. O Governo Federal dos EUA preparou um estado de emergência para muitos estados. Em 25 de setembro de 2024, a Associação Nacional Oceânica e Atmosférica (NOAA) emitiu um raro comunicado à imprensa, instando os principais meios de comunicação a ajudar as comunidades a se prepararem para inundações interiores perigosas e potencialmente fatais. A extração continuou.
O meteorologista Tyler Hamilton mostrou aos seus telespectadores que prever a trajetória da tempestade é muito melhor agora. “Em vinte anos, a incerteza destes furacões caiu pela metade”, disse ele. “É agora uma janela de incerteza de 400 km”.
O furacão Helene atingiu a costa da Flórida durante a noite de 26 de setembro, como uma tempestade de categoria 4. A tempestade enfraqueceu para uma tempestade tropical sobre a Geórgia. Até o momento em que este livro foi escrito, pelo menos 25 pessoas morreram como resultado da tempestade.
Algumas figuras públicas afirmam o óbvio. Stephen King, autor nas redes sociais:
Essas tempestades históricas ocorrem uma ou duas vezes por mês. Mudanças climáticas.
À medida que as alterações climáticas prosseguem sem uma redução dos fenómenos meteorológicos extremos, como podem as pessoas estar melhor preparadas? Excelentes previsões meteorológicas são o Santo Graal.
As previsões meteorológicas usando Quantum AI ainda estão a anos de distância
Outro caminho a seguir é o aprendizado de máquina quântica. Em uma pergunta dupla:
- O que a IA pode fazer com a tecnologia quântica e
- O que a tecnologia quântica pode fazer pela IA?
Respondemos à segunda pergunta, usando computação híbrida quântica clássica. Discutimos a prevalência de QML aqui e colocamos QML na computação híbrida na parte 3 de The Many Faces of Hybrid Quantum-Classical Computing do QCR.
A quantidade de IA no Manual de Estratégia da GQI não começará a crescer significativamente até por volta de 2026. Veja os objetos laranja escuro e vermelho escuro na imagem a seguir.
Ilustração. No Strategy Playbook da GQI, escolha Usar cenários para identificar o aprendizado de máquina. Por volta de 2026 é quando esses casos de uso começam a crescer. Caso de uso para (laranja escuro) ML: Tecnologia: IA generativa, fundamental e horizontal, e Caso de uso para (vermelho escuro) ML: Outros: Várias aplicações de IA.
Previsões meteorológicas usando Quantum AI: um estudo piloto
Em 2021, pesquisadores em Rigetti, Enos et al., 2021, implementaram e publicaram um radar meteorológico sintético usando um aprendizado de máquina híbrido quântico-clássico, que foi um trabalho experimental para usar QML para gerar imagens de radar meteorológico de previsão e tomada de decisão em as regiões. sem instalações de radar tradicionais.
Para desenvolver redes neurais convolucionais para funções generativas em radares meteorológicos artificiais, Enos et al. (2021) adicionaram modelos assistidos por quantum à rede. Em particular, a Capacidade de Precipitação Offshore (OPC) foi desenvolvida com uma camada convolucional quântica.
OPC se estende ao Global Synthetic Weather Radar (GSWR), uma classe de métodos de última geração para gerar imagens de radar meteorológico sintético, combinando diferentes tipos de dados meteorológicos. As redes neurais convolucionais (CNNs), nomeadamente OPC-CNN, são utilizadas no campo da aprendizagem automática para sintetizar vários tipos de dados meteorológicos de alta resolução em diferentes resoluções temporais e espaciais. OPC-CNN foi adotado para uso em situações do mundo real. Em dois estudos de caso, o estudo de Enos et al., 2021 demonstrou como integrar um sistema GSWR usando métodos QML.
Criar um modelo quântico produtivo, simulando uma única fonte de dois dados primários em caso de escassez ou falta de confiabilidade dos dados, foi o objetivo do primeiro teste. Para treinar todo o OPC-CNN, amostras suficientes são coletadas do autoencoder variacional quântico (VAE) para substituir a fonte de dados original correspondente. Redes neurais quânticas-convolucionais (quanvolucionais) foram utilizadas no segundo caso de pesquisa. Para dados de relâmpagos, o treinamento e amostragem da camada quanvolucional produziram modelos QNN com desempenho melhor do que o modelo CNN.
Previsões meteorológicas usando Quantum AI: um roteiro conceitual
A partir de 2021, o aprendizado de máquina aponta uma forma de melhorar a previsão do tempo, por exemplo: com redes neurais 3D ou com DeepMapper. No entanto, ainda não encontrei nenhum projeto de previsão meteorológica de IA em grande escala, aplicado e com aprimoramento quântico. Alguns pesquisadores se sentem pessimistas com essa ideia.
O Roteiro para 2023, no entanto, surgiu do Vellore Institute of Technology, um experimento mental de estudantes de CS em Suhas e Divya, 2023: documento de conferência: Quantum Enhanced Weather Forecasting: Combining Quantum Machine Learning for Accurate Forecasting and Disaster Mitigation . A visão geral dos autores (veja a próxima figura) detalha os componentes usados na previsão do tempo e onde e quais algoritmos quânticos podem ser usados. Ilustração.
Um fluxograma dos componentes da estrutura de previsão meteorológica Quantum-Melhorada e seu progresso de Suhas e Divya, 2023
Essa perspectiva geral é útil e, com algoritmos sugeridos, mostramos direções práticas para o progresso no campo da previsão do tempo. Um artigo de Dalzell et al., 2023, publicado há um ano, já tem mais de 60 citações. E o número de algoritmos no Zoológico de Algoritmos Quânticos está se aproximando de 500.
Para responder à pergunta: “Quantum AI: Previsão do Tempo. Ainda estamos aí?”
Não, ainda faltam 5 a 10 anos, mas sabemos no que focar hoje. Este Manual de Estratégia está disponível na área de Membros para clientes GQI. Se você estiver interessado, não hesite em entrar em contato
.28 de setembro de 2024
Source link
