Wissenschaftler lernen, das Marswetter mithilfe künstlicher Intelligenz vorherzusagen

Laut Ixbt.com haben Forscher erfolgreich getestet, ob sich ein Modell der künstlichen Intelligenz, das zur Vorhersage der Erdatmosphäre entwickelt wurde, an die schwierigen Bedingungen eines anderen Planeten – des Mars – anpassen lässt. Das neue MarsCast-System basiert auf GraphCast, einem für die Erde entwickelten Graph-Neuronalen-Netz-Modell, und ermöglicht es, das Wetter auf dem Roten Planeten mit beispielloser Geschwindigkeit und Genauigkeit zu berechnen. Ixbt.com berichtet .

In der ersten Phase bildete das Modell den aktuellen Zustand der Marsatmosphäre mit dem unter irdischen Bedingungen erworbenen Wissen zwar ausreichend genau ab, verlor jedoch bald seine Dynamik und gab die täglichen Temperaturschwankungen nicht vollständig wieder. Um dieses Problem zu beheben, beschlossen die Wissenschaftler, das Modell mithilfe von Daten aus der Mars Climate Database (MCD) neu zu trainieren.

Das MarsCast-Modell und seine Funktionsweise

Bei der Weiterentwicklung des Systems wurden die Temperatur sowie horizontale und vertikale Winde berücksichtigt. Außerdem wurde die Sonneneinstrahlung an der oberen Atmosphärengrenze als wichtigster Faktor für die Erwärmung des Planeten hinzugefügt. Die Luftfeuchtigkeit wurde vereinfacht und konstant gehalten, da die tatsächliche relative Luftfeuchtigkeit auf der Marsoberfläche zwar meist unter 10 Prozent liegt, vor Sonnenaufgang jedoch kurzfristig bis zur Sättigung ansteigen kann.

Bereits nach 10 Trainingsepochen begann MarsCast, einen zuverlässigen täglichen Temperaturzyklus auf dem Mars wiederherzustellen. Nach 300 Epochen auf Grundlage von nur 30 Tagen an Daten stabilisierte sich das Modell deutlich und verbesserte sich weiter. In 10-Tage-Prognosen stellte es schließlich saisonale und vertikale Strukturen sowie die Charakteristik der Windbewegungen präzise dar.

Rechengeschwindigkeit und Zukunftspläne

Eine der größten Errungenschaften des neuen Ansatzes sind seine hohe Geschwindigkeit und Effizienz. Den Daten zufolge berechnet MarsCast eine 10-Tage-Prognose mit einem 6-Stunden-Zeitschritt und einer Auflösung von 1° auf einer einzigen GPU in nur 2 Minuten. Zum Vergleich: Ein herkömmliches physikalisches Modell benötigt für dieselbe Prognose 1 CPU, braucht 30 Minuten und arbeitet mit der geringeren Auflösung von 5°.

Die Forscher betonen, dass meteorologische Modelle der künstlichen Intelligenz von der Erde die Dynamik anderer Planeten teilweise übertragen können. Aufgrund erheblicher Unterschiede in der chemischen Zusammensetzung der Atmosphäre, der Strahlungsbilanz und der thermischen Trägheit ist eine Anpassung jedoch zwingend erforderlich. Als Nächstes planen die Autoren, den Staubtransport und seinen Einfluss auf die Strahlung einzubeziehen sowie das System anhand von Daten aus Orbitern und Bodenstationen zu überprüfen. Künftig könnten solche Technologien bei der Planung bemannter und robotischer Missionen helfen, unter anderem bei der frühzeitigen Bewertung des Risikos von Staubstürmen.