Científicos aprenden a predecir el clima de Marte con inteligencia artificial

Según Ixbt.com, unos investigadores probaron con éxito la adaptación a Marte, otro planeta cuyas condiciones son difíciles de modelizar, de un modelo de inteligencia artificial diseñado para predecir la atmósfera terrestre. El nuevo sistema MarsCast, basado en GraphCast, un modelo de red neuronal de grafos creado para la Tierra, permitió calcular el clima del Planeta Rojo con una rapidez y precisión récord. Ixbt.com informa .

En la etapa inicial, aunque el modelo reflejaba con suficiente precisión el estado actual de la atmósfera marciana gracias a los conocimientos obtenidos en las condiciones terrestres, pronto perdió su dinámica y no reprodujo por completo las variaciones diarias de temperatura. Para resolver este problema, los científicos decidieron volver a entrenar el modelo utilizando los datos de Mars Climate Database (MCD).

El modelo MarsCast y su principio de funcionamiento

Durante la mejora del sistema se tuvieron en cuenta la temperatura y los vientos horizontales y verticales. También se añadió la radiación solar en el límite superior de la atmósfera como factor principal del calentamiento del planeta. La humedad se mantuvo constante de forma simplificada, ya que la humedad relativa real en la superficie de Marte permanece por debajo del 10 % durante gran parte del tiempo, aunque puede alcanzar brevemente la saturación antes del amanecer.

Después de solo 10 épocas de entrenamiento, MarsCast comenzó a recuperar un ciclo diario fiable de temperaturas en Marte. Tras 300 épocas, basadas en apenas 30 días de datos, el modelo se estabilizó notablemente y continuó mejorando. Finalmente, mostró con precisión la estructura estacional y vertical, así como el comportamiento de los vientos, en pronósticos a 10 días.

Velocidad de cálculo y planes futuros

Una de las mayores ventajas de este nuevo enfoque es su alta velocidad y eficiencia. Según los datos, MarsCast calcula en solo 2 minutos, usando un único GPU, un pronóstico a 10 días con pasos de 6 horas y una resolución de 1°. En comparación, un modelo físico tradicional necesita 1 CPU, tarda 30 minutos en realizar un pronóstico similar y trabaja con una resolución inferior de 5°.

Los investigadores señalan que los modelos meteorológicos de inteligencia artificial desarrollados para la Tierra pueden reproducir parcialmente la dinámica de otros planetas, pero que la adaptación es imprescindible debido a las enormes diferencias en la composición química de la atmósfera, el balance radiativo y la inercia térmica. En la siguiente etapa, los autores planean incorporar el transporte de polvo y su efecto sobre la radiación, además de probar el sistema con datos de vehículos orbitales y estaciones terrestres. En el futuro, estas tecnologías podrían ayudar a planificar misiones tripuladas y robóticas, incluida la evaluación anticipada del riesgo de tormentas de polvo.