Vědci z ČVUT zvítězili v USA. Umějí nejlépe předpovídat počasí a modelovat atmosféry planet

Konference v americkém městě New Orleans zaměřené na strojové učení se zúčastnilo 10 tisíc odborníků na umělou inteligenci z celého světa. Akce se konala na přelomu loňského listopadu a prosince, univerzita o českém úspěchu informovala toto pondělí.

V rámci konference se každoročně uskuteční několik soutěží, kde mohou výzkumníci změřit své síly v řešení úloh od základního výzkumu až po aplikace umělé inteligence.

Vědci z FIT ČVUT si z NeurIPS 2022 přivezli vítězství ze dvou soutěží:⁠ Weather4cast a Ariel Machine Learning Data Challenge.

Vítězstvím v prvním klání fakultní tým zúročil spolupráci na společném výzkumu s pražskou společností Meteopress v oblasti zlepšování algoritmů umělé inteligence pro předpověď počasí.

Vítězný tým výzkumníků z Laboratoře datových věd FIT ČVUT ve složení Jiří Pihrt, Rudolf Raevskiy, Petr Šimánek a Matej Choma měl v soutěžní výzvě co nejpřesněji předpovědět srážky na základě satelitních dat ze sedmi různých regionů za časové období dvou let.

Jedinečnost jejich vítězného projektu v soutěži spočívá podle fakulty v tom, že může velmi realisticky simulovat předpověď extrémních srážek v místech, kde nejsou k dispozici meteorologické radary, kupříkladu v rozvojových zemích.

„Některé neuronové sítě mají speciální architekturu, která pomáhá generovat fyzikálně věrnější simulace. Díky tomu jsou předpovědi nejen přesnější, ale také realističtější,“ poznamenal k vítěznému projektu proděkan pro spolupráci s průmyslem na FIT ČVUT Pavel Kordík.

„Díky propojení znalostí vědců a studentů z fakulty s firmou Meteopress již nyní dokážeme velmi přesně předpovídat počasí na několik desítek minut dopředu,“ doplnil s tím, že jde o jeden z názorných příkladů, jak efektivně propojit teoretický výzkum s praxí.

Dalším úspěchem na konferenci bylo vítězství Ondřeje Podsztavka ve druhé soutěži, zaměřené na modelování atmosfér planet, jež se nacházejí mimo Sluneční soustavu.

Cílem projektu bylo navrhnout co nejefektivnější metodu pro rozpoznání teploty atmosfér exoplanet a množství plynů v nich. Podsztavek proto navrhl tzv. deep ensemble algoritmus.

„Ten tvoří dvacet konvolučních neuronových sítí upravených pro zpracování spekter, které vznikají rozložením světla procházejícího atmosférami exoplanet,“ popsal podstatu své práce.

Výzkum exoplanet nám podle jeho slov pomáhá pochopit výjimečnost naší planety Země.

Podsztavek pro vyřešení výzvy využil zkušenosti z dlouhodobé výzkumné spolupráce s Petrem Škodou z Astronomického ústavu Akademie věd ČR a FIT ČVUT a Pavlem Tvrdíkem z katedry počítačových systémů FIT ČVUT.