Earth-2-API: Hat Nvidia gerade einen Quantensprung in der Wettervorhersage geschaffen?
Zuletzt aktualisiert am 13. September 2024 von Lars Weidmann
Die Fähigkeit, das Wetter genauer und schneller vorherzusagen, steht kurz vor einem bedeutenden Durchbruch weltweit, ermöglicht durch eine Neuentwicklung von Nvidia. Der Technologiekonzern hat eine neue digitale Zwillings-Cloud-Plattform vorgestellt, die laut Unternehmen Meteorologen und Wetterexperten dabei unterstützen wird, detailreichere und umfassendere Simulationen zu erstellen.
Nvidia Earth-2: Ein Gamechanger für die Klimaforschung
Auf der Nvidia GTC 2024 präsentierte das Unternehmen die neuen Earth-2 APIs, die dazu beitragen sollen, die weltweiten Kosten, die durch extreme Wetterereignisse aufgrund des Klimawandels entstehen – geschätzt auf 140 Milliarden US-Dollar –, zu adressieren. Nvidia betont, dass nun Arbeiten in einem “beispiellosen Maßstab” beginnen können.
“Klimakatastrophen sind zur neuen Normalität geworden – historische Dürren, verheerende Hurrikane und Jahrhundertfluten erscheinen mit alarmierender Häufigkeit in den Nachrichten”, erklärte Jensen Huang, Gründer und CEO von NVIDIA. “Die Earth-2 Cloud-APIs sollen uns helfen, uns besser auf extreme Wetterereignisse vorzubereiten und uns dazu inspirieren, Maßnahmen zu deren Eindämmung zu ergreifen.”
Globale Anwendung und Effizienz
Die neuen Modelle von Nvidia sollen weltweit von Regierungen und Organisationen genutzt werden, unter anderem von der Taiwan Central Weather Administration, die plant, die Technologie für eine bessere Vorhersage von Taifunlandungen zu verwenden. Frühere Prognosen solcher Ereignisse könnten die Evakuierung der Bevölkerung beschleunigen.
Die Earth-2 Cloud-APIs, betrieben auf Nvidia DGX Cloud, stehen einer Vielzahl von Nutzern zur Verfügung, um hochauflösende Simulationen zu erstellen. Sie nutzen ein neues generatives KI-Modell von Nvidia, CorrDiff genannt, das Bilder mit 12,5-fach höherer Auflösung als aktuelle numerische Modelle 1.000-mal schneller und 3.000-mal energieeffizienter generieren kann. Zudem korrigiert es Unstimmigkeiten aus früheren Modellen, indem es mehrere Informationsquellen zusammenführt, um deutlich präzisere und zielgerichtete Vorhersagen zu ermöglichen.
