Forskningsprojekt skapar AI-plattform inom väder och klimat
Det europeiska forskningsprojektet WeatherGenerator ska utveckla ett kraftfullt AI-ramverk för väder och klimat. Med innovativ användning av maskininlärningsmetoder ska projektet koppla ihop en stor mängd data till en helt ny, grundläggande plattform som kan användas i samhällssektorer som påverkas av väder och klimat.
Utvecklingen inom artificiell intelligens (AI) och maskininlärning har tagit stora steg framåt de senaste åren. Idag finns exempel på generativa AI-modeller som kan skapa väderprognoser med likvärdig förmåga att förutse kommande väder som traditionella numeriska modeller.
Projektet WeatherGenerator ska knyta ihop den utveckling inom AI och maskininlärning som skett de senaste åren hos europeiska nationella väderinstitut och det europeiska centret för medellånga väderprognoser, ECMWF, till ett generiskt ramverk som fungerar effektivt på högpresterande superdatorer.
Ramverk för många tillämpningar
WeatherGenerator ska bli en grundläggande, generisk modell som kommer att utgöra ett ramverk som andra AI-modeller kan utgå ifrån när de designas för specifika tillämpningar. I sin design ska den vara både motståndskraftig mot och följsam för förändringar.
I projektet samverkar experter inom meteorologi, maskininlärning och superdatorteknik med representanter för både små och stora företag. Det ger förankring hos användare i flera olika sektorer beroende av information om väder och klimat.
Det ramverk som projektet WeatherGenerator skapar ska kunna användas inom fler områden, t ex för prognoser för förnybar energi och översvämning, och för frågor som rör livsmedelssäkerhet, hälsa och biosfär.
Satellit- och radardata från SMHI
SMHI har under många år använt neurala nätverk, som är en typ av maskininlärning, för att bearbeta satellitdata från EUMETSAT:s polära satelliter och skapa satellitdataprodukter av dessa.
– Nu ska vi bidra med vår kunskap inom satellit- och radardataprodukter till uppbyggnaden av WeatherGenerator, säger Tomas Landelius, forskare inom meteorologi på SMHI.
All den information som matas in i WeatherGenerator ska bearbetas och analyseras tillsammans för att skapa ett heltäckande dataset. Tekniken med representationsinlärning gör att WeatherGenerator kommer att lära sig sambanden mellan olika processer. På så sätt kan WeatherGenerator användas för att fylla i saknade pusselbitar, som mellanrum mellan observationer i tid och rum, eller för att generera data som kan användas för att justera data från sensorer vars känslighet förändrats över tid.
– WeatherGenerator kommer även att kunna förutse hur data förändras framåt i tiden. Det gör att plattformen blir oerhört kraftfull, förklarar Tomas Landelius.
Stor potential till framtida användning
Att skapa detta träningsdatasetet är en tekniskt tung process, men när det väl är färdigt har det stor potential. Det kommer att kunna användas under flera år och inom många olika användningsområden.
– Det är enorma mängder data som ska hanteras och det är en jättestor utmaning att skapa träningsdata. Tack vare det arbete som redan gjorts inom andra projekt, som AI-DOP för observationer och AIFS för modelldata, finns data i ett maskininlärningssnällt format. Det är en stor fördel.
- An update on AI–DOP: skilful weather forecasts produced directly from observations
Länk till annan webbplats. - AIFS: a new ECMWF forecasting system Länk till annan webbplats.
Användare i flera samhällssektorer
Användarna finns inom 22 olika applikationsområden inom väder och klimat, förnybar energi, vattenförvaltning, hälsa, livsmedelssäkerhet och biosfär. Att WeatherGenerator är ett generiskt ramverk underlättar arbetsflöden och gör den mer flexibel än de AI-modeller som tränats för specifika uppgifter inom olika sektorer. Systemet kommer också att kunna vara till stöd för beslutsfattare för att förbereda för extrema väderhändelser eller optimera resursförbrukning.
WeatherGenerator är ett fyraårigt projekt som startade våren 2025, finansierat av EU (grant agreement No 101187947). Redan till hösten ska en första prototyp av WeatherGenerator finnas framtagen. Under projektets gång kommer framstegen att delas öppet inom utvecklingscommunityn, bland annat via github, ett verktyg för att hantera kod inom systemutveckling.
