| Название базовой системы (платформы): | Искусственный интеллект (ИИ, Artificial intelligence, AI) |
| Разработчики: | Институт океанологии им. П.П.Ширшова РАН, Московский физико-технический институт (МФТИ) |
| Дата премьеры системы: | 2025/12/03 |
| Отрасли: | Образование и наука |
Основная статья: Нейросети (нейронные сети)
2025: Создание нейросети для прогнозирования экстремальных ветров в Арктике
Учёные из Московского физико-технического института (МФТИ) и Института океанологии им. П. П. Ширшова РАН создали нейросеть для ускорения и улучшения моделирования экстремальных погодных явлений в Арктике. Она детализирует данные мировых метеорологических служб, показывая опасные вихри и штормы с точностью сложных физических моделей, но в 50 раз быстрее. Об этом МФТИ сообщил 3 декабря 2025 года.
Существующие глобальные метеорологические модели, такие как глобальный прогноз Европейского центра среднесрочных прогнозов (ECMWF) или американский GFS, имеют низкое пространственное разрешение и плохо "видят" относительно небольшие, но крайне опасные атмосферные вихри, которые на местах проявляются как внезапные ураганные ветра и сильное волнение в океане. Традиционный на сегодняшний день способ получить более качественную картинку в отдельных регионах — запуск высокодетальной гидродинамической модели (например, WRF). Обычно это требует колоссальных вычислений и времени.
Российские исследователи обучили искусственный интеллект на данных высокоточной физической модели WRF. В результате нейросеть научилась по «размытым», недостаточно детальным данным глобального прогноза GFS почти мгновенно генерировать «чёткую» и детализированную картину ветров в Арктике.
 | Главное качество нашей разработки — скорость при условии минимальных потерь в качестве. Нейросеть выдаёт высокодетальный прогноз для Баренцева и Карского морей более чем в 50 раз быстрее, чем ресурсоёмкие физические модели. Кроме того, она показывает шторма, которые другие не воспроизводят: количество вихревых структур в данных нейросети почти совпадает с эталонной моделью WRF (разница менее 3%), в то время как глобальный прогноз ERA5 недооценивает количество таких явлений примерно в два раза, — рассказал один из авторов исследования, заведующий лабораторией машинного обучения в науках о Земле МФТИ Михаил Криницкий. |  |
Эффективность метода была также наглядно продемонстрирована на примере экстремального погодного явления — новоземельской боры, наблюдавшейся в феврале 2022 года. Это сильный холодный ветер, стремительно обрушивающийся с горных массивов Новой Земли и представляющий серьёзную опасность для судоходства. В то время как данные глобального реанализа ERA5 смогли показать это явление неявно, слабо и только в южной части архипелага, нейросетевая модель, как и эталонная модель WRF, намного более чётко воспроизвели структуру, направление и силу боры на всем протяжении западного побережья Новой Земли.
Как показали испытания, результаты моделирования по скорости ветра были значительно ближе к данным реальных метеостанций, чем данные ERA5 или GFS. Кроме того, когда данные о ветре, вычисленные нейросетью, были использованы для моделирования ветрового волнения в океане, рассчитанная высота волн совпала с данными измерений буев с точностью, сопоставимой с результатами, полученными на основе эталонной модели WRF.
Разработка открывает путь к более надёжному и существенно более дешёвому вычислительно- оперативному прогнозированию экстремальных погодных явлений для обеспечения безопасности судоходства, работы портов и нефтегазовых платформ в Арктике.
