Nejpřesněji předpovídat počasí a modelovat planetární atmosféry umí vědci z FIT ČVUT

Vědci z FIT ČVUT vyhráli soutěž na modelaci atmosféry exoplanet a soutěž o nejpřesnější předpověď počasí, například extrémních srážek v rozvojových zemích. Konference v New Orleans zaměřené na strojové učení se zúčastnilo 10 tisíc odborníků na umělou inteligenci z celého světa.

V rámci konference NeurIPS se každý rok uskuteční několik soutěží, kde mohou výzkumníci z celého světa změřit své síly v řešení úloh od základního výzkumu až po AI aplikace. Vědci z FIT ČVUT si z NeurIPS 2022 přivezli vítězství ze dvou soutěží –⁠ Weather4cast a Ariel Machine Learning Data Challenge.

Vítězstvím v soutěži Weather4cast fakultní tým zúročil spolupráci na společném výzkumu s firmou Meteopress v oblasti zlepšování AI algoritmů pro předpověď počasí. Vítězný tým výzkumníků z Laboratoře datových věd ve složení Bc. Jiří Pihrt, Bc. Rudolf Raevskiy, Mgr. Petr Šimánek a Ing. Matej Choma měl v soutěžní výzvě co nejpřesněji předpovědět srážky na základě satelitních dat ze 7 různých regionů za časové období 2 let. Jedinečnost jejich vítězného projektu v soutěži Weather4cast spočívá v tom, že může velmi realisticky simulovat předpověď extrémních srážek v místech, kde nejsou k dispozici meteorologické radary, například v rozvojových zemích.

„Některé neuronové sítě mají speciální architekturu, která pomáhá generovat fyzikálně věrnější simulace. Díky tomu jsou předpovědi nejen přesnější, ale také realističtější,“ říká k vítěznému projektu doc. Pavel Kordík, proděkan pro spolupráci s průmyslem na FIT ČVUT, a dodává: „Díky propojení znalostí vědců a studentů z fakulty s firmou Meteopress již nyní dokážeme velmi přesně předpovídat počasí na několik desítek minut dopředu. Je to jeden z názorných příkladů, jak efektivně propojit teoretický výzkum s praxí.“

Druhým velkým úspěchem na konferenci NeurIPS 2022 je vítězství Ing. Ondřeje Podsztavka v soutěži Ariel Machine Learning Data Challenge zaměřené na modelování atmosfér planet, které se nacházejí mimo naší sluneční soustavu (tzv. exoplanet). Ondřej pro vyřešení výzvy využil zkušenosti z dlouhodobé výzkumné spolupráce s RNDr. Petrem Škodou, CSc. z Astronomického ústavu AV ČR a FIT ČVUT a prof. Ing. Pavlem Tvrdíkem, CSc. z Katedry počítačových systémů FIT ČVUT.

„Cílem projektu bylo navrhnout co nejefektivnější metodu pro rozpoznání teploty atmosfér exoplanet a množství plynů v nich. Navrhl jsem proto takzvaný ‘deep ensemble’ algoritmus, který tvoří dvacet konvolučních neuronových sítí upravených pro zpracování spekter, které vznikají rozložením světla procházejícího atmosférami exoplanet,“ vysvětluje Ondřej Podsztavek podstatu své práce, a dodává: „Výzkum exoplanet nám pomáhá pochopit výjimečnost naší planety Země.“

Redakčně upravená tisková zpráva ČVUT v Praze