Des scientifiques apprennent à prévoir la météo martienne grâce à l’intelligence artificielle

Selon Ixbt.com, des chercheurs ont testé avec succès l’adaptation à Mars, une autre planète aux conditions difficiles à modéliser, d’un modèle d’intelligence artificielle conçu pour prévoir l’atmosphère terrestre. Le nouveau système MarsCast, basé sur GraphCast, un modèle de réseau neuronal à graphes conçu pour la Terre, a permis de calculer la météo de la Planète rouge avec une rapidité et une précision records. Ixbt.com rapporte .

Au début, bien que le modèle ait reproduit avec une précision suffisante l’état actuel de l’atmosphère martienne grâce aux connaissances acquises dans les conditions terrestres, il a rapidement perdu sa dynamique et n’a pas correctement représenté les variations quotidiennes de température. Pour résoudre ce problème, les scientifiques ont décidé de réentraîner le modèle à l’aide des données de la Mars Climate Database (MCD).

Le modèle MarsCast et son principe de fonctionnement

Lors de l’amélioration du système, la température ainsi que les vents horizontaux et verticaux ont été pris en compte. Le rayonnement solaire à la limite supérieure de l’atmosphère a également été ajouté comme principal facteur déterminant le réchauffement de la planète. L’humidité a été maintenue constante dans une version simplifiée, car l’humidité relative réelle à la surface de Mars reste inférieure à 10 % la plupart du temps, mais peut atteindre brièvement la saturation avant l’aube.

Après seulement 10 époques d’entraînement, MarsCast a commencé à reproduire un cycle quotidien fiable des températures martiennes. Après 300 époques, à partir de seulement 30 jours de données, le modèle s’est nettement stabilisé et a continué à s’améliorer. Il a finalement représenté avec précision la structure saisonnière et verticale, ainsi que le comportement des vents, dans des prévisions à 10 jours.

Vitesse de calcul et projets futurs

L’un des principaux atouts de cette nouvelle approche est sa rapidité et son efficacité. Selon les données disponibles, MarsCast calcule une prévision à 10 jours, avec un pas de 6 heures et une résolution de 1°, en seulement 2 minutes à l’aide d’un seul GPU. À titre de comparaison, un modèle physique traditionnel nécessite 1 CPU, prend 30 minutes pour produire une prévision similaire et fonctionne avec une résolution inférieure de 5°.

Les chercheurs soulignent que les modèles météorologiques d’intelligence artificielle conçus pour la Terre peuvent reproduire partiellement la dynamique d’autres planètes, mais que l’adaptation reste indispensable en raison des grandes différences de composition chimique de l’atmosphère, de bilan radiatif et d’inertie thermique. À l’étape suivante, les auteurs prévoient d’intégrer le transport de poussière et son impact sur le rayonnement, puis de tester le système à partir de données provenant d’engins orbitaux et de stations au sol. À l’avenir, ces technologies pourraient contribuer à planifier les futures missions habitées et robotisées, notamment en évaluant à l’avance le risque de tempêtes de poussière.