L’IA migliora la predizione degli uragani

Roma – L’intelligenza artificiale (IA) permette di prevedere meglio gli uragani, offrendo la possibilità di limitarne gli effetti devastanti. E’ quanto emerge da uno studio guidato dalla City University of Hong Kong e pubblicato su Physics of Fluids. Gli autori hanno utilizzato l’apprendimento automatico per modellare con maggiore accuratezza il campo del vento dello strato limite dei cicloni tropicali. Nella scienza dell’atmosfera, lo strato limite dell’atmosfera è la regione più vicina alla superficie terrestre. “Noi esseri umani viviamo in questo strato limite, quindi comprenderlo e modellarlo accuratamente è essenziale per la previsione delle tempeste e la preparazione ai pericoli”, ha affermato l’autore Qiusheng Li. Tuttavia, poiché l’aria nello strato limite interagisce con la terra, l’oceano e tutto il resto a livello della superficie, la sua modellazione è particolarmente impegnativa. Gli approcci convenzionali alla previsione delle tempeste comportano grandi simulazioni numeriche eseguite su supercomputer che incorporano montagne di dati osservativi e spesso danno comunque luogo a previsioni imprecise o incomplete. Al contrario, l’algoritmo di apprendimento automatico del nuovo studio è dotato di equazioni di fisica atmosferica che possono produrre risultati più accurati, più velocemente e con meno dati. “A differenza dei modelli numerici tradizionali, il nostro modello impiega un framework avanzato di apprendimento automatico basato sulla fisica”, ha affermato l’autore Feng Hu. “Il nostro modello richiede solo una piccola quantità di dati reali per catturare il comportamento complesso del campo di vento dei cicloni tropicali. La flessibilità del modello e la capacità di integrare dati osservativi sparsi si traducono in ricostruzioni più accurate e realistiche”. La ricostruzione del campo di vento di un ciclone tropicale fornisce dati preziosi che gli esperti possono utilizzare per determinare la gravità della tempesta. “Il campo del vento di un ciclone tropicale contiene informazioni sull’intensità della tempesta, sulla sua struttura e sul suo potenziale impatto sulle regioni costiere”, ha affermato Li. Gli autori intendono continuare a sviluppare il loro modello e utilizzarlo per studiare diversi tipi di tempeste. (30Science.com)