Новый британский погодный суперкомпьютер: что он сможет и как это изменит нашу жизнь

    Комментарий профессионального метеоролога на тему горячей новости

    На днях стало известно, что в полку погодных суперкомпьютеров ожидается революционное пополнение: британская метеослужба планирует в 2022 году ввести в строй новый комплекс стоимостью в 1,56 млрд долларов (это аппаратная часть + расходы на обслуживание на 10 лет). Для тех, кто читает меня впервые, поясню: все современные прогнозы погоды, которые доступны как в вашем смартфоне, так и вообще для важных задач, рассчитываются с помощью колоссальных вычислительных мощностей, а некоторые новые процессоры в процессе разработки тестируются на метеорологических задачах, как на наиболее ресурсоёмких в принципе.

    Это станет, во-первых, самым крупным вложением в службу MetOffice за всё время ее существования (в 1854 году её основал легендарный мореплаватель Роберт Фицрой, тот самый, что катал Чарльза Дарвина вокруг света на «Бигле»), а во-вторых сделает MetOffice обладателем мощнейшего погодного суперкомпьютера в мире.

    В принципе, и сейчас дела на Британских островах идут неплохо. Вычислительная мощность нынешнего суперкомпьютера Met Office, сданного в эксплуатацию в декабре 2016 года, оценивается в — 7 петафлопс (это 27ое место в топ 500 мощнейших суперкомпьютеров мира). Для сравнения – главный суперкомпьютер российской гидрометслужбы в несколько раз медленнее современного британского — он выдает лишь 1.3 петафлопс.

    Предполагаемый ко вводу в 2022 году в Великобритании новый вычислительный комплекс будет в шесть раз производительнее текущего. Вдобавок к концу 20х годов его мощность еще дополнительно возрастет втрое.

    Так что сможет делать данный гигант? Схематично все плюсы изображены на оригинальной инфографике ниже, давайте же оценим наиболее заметные.

    image

    Во-первых, конечно же, улучшится временное разрешение прогнозов погоды. Если сейчас прогноз Metoffice делается на каждый час (ранее «шаг прогноза» был три часа), то с новым компьютером планируется еще чаще выпускать важные обновления (сейчас это делается вручную синоптиками). Это поможет улучшить качество прогноза опасных явлений погоды, которые несут с собой активные циклонические вихри, например: циклон Деннис итд.

    Но более важным будет, безусловно, улучшение пространственного разрешения прогноза (его часто называют «прогноз для каждой улицы») – речь идет о прогнозе скорости ветра, температуры и осадков. Этого, практически впервые в истории, планируется достигнуть с помощью так называемой «бесшовной модели атмосферы» — нового слова в предсказательной метеорологии.

    Сегодня по всему миру для разных потребностей метеорологи используют различные типы моделей. Для слежения за перемещением циклонов и антициклонов – «глобальные», которые моделируют весь земной шар. На них видны только крупные объекты. Для прогноза бризов, торнадо, осадков над озерами и различными районами мегаполисов (Лондон, Москва, Нью-Йорк) – «региональные» — они дают прогноз с точностью до километров. Для прогноза порывов ветра на улицах и у углов зданий – «микроклиматические и гиперлокальные» — они позволяют видеть «картинку» с точностью до метров (LES).

    Взаимоотношения этих типов моделей между собой видны вот тут:



    Так вот «бесшовные» модели будут объединять в себе все вышеприведенные типы моделей, что позволит ликвидировать ошибки, возникающие при «присоединении моделей друг к другу» — как делается сейчас. То есть одна бесшовная модель сможет и следить за циклонами и их фронтами, и за порывами ветра в городской среде.

    И, похоже, новый британский суперкомпьютер как раз сможет осилить необходимую для нового типа моделей скорость вычислений. Пока еще в онлайн-режиме для большинства суперкомпьютеров это остается лишь мечтой.

    Ссылки:

    www.ecmwf.int/sites/default/files/elibrary/2015/13370-seamless-prediction-weather-and-climate-opportunity-and-challenge-physical-parameterizations.pdf.

    www.metoffice.gov.uk/binaries/content/gallery/metofficegovuk/images/about-us/what-we-do/01202-supercomputer-benefits-tiles-v8-01_web.jpg
    AdBlock похитил этот баннер, но баннеры не зубы — отрастут

    Подробнее
    Реклама

    Комментарии 38

      +2
      Нынешние дифуры в моделях погоды на интервалах больше двух недель перестают реагировать на ошибки в исходных данных, что означает, что предсказывают они абы что.
      Теперь будет возможность строить новые модели — и это, пожалуй, будет круче, чем даже поминутные прогнозы в нашем раёне.
        0
        Да какие там «больше двух недель». Более-менее надежный прогноз в пределах недели, дальше — в лучшем случае примерная тенденция. Но это ведь не означает, что везде «абы что». Первые 2-3 суток современные модели в целом предсказывают очень хорошо.
          0
          нет, я, заметьте, не об этом. Не зря же в посте пишут про четыре вида моделей. Глобальные модели могут предсказывать и на год, хотя и не точно. Чтобы посчитать точно и географически и во времени, нужно использовать модель, скажем, класса CSRM. Но в том-то и фишка, что эти модели используют дифференциальные уравнения, которые в принципе не дают результатов за пределами двух недель. То есть результаты-то дают, но всегда одни и те же, заданные самими уравнениями и не зависящие от исходных данных.

          Потому, получив на руки такой инструмент, метеорологи будут не просто считать прошлые модели быстрее, а именно строить новые. Очень интересное занятие, можно им позавидовать, безо всякой иронии.
            0
            Была ли хоть одна глобальная модель предсказавшая аномально теплую зиму в Москве?
              0
              Вот давайте не соскальзывать на личные проблемы неприятной погоды за окном при виде с диванчика. Я — о другом, о разнице между моделью «часы идут неточно» и «часы всегда показывают 17:30». И о том, что новый инструмент позволяет «запустить часы», уйти от второго варианта. Да, они всё равно будут не точными, но это уже дело известное, улучшаемое.

              Или уж давайте зафиксируем, что гиктаймс или как там его теперь называют — форум домохозяек айтишников, которых слово «дифуры» вводит в ступор.
                –5
                А что такого? Есть те кто вошли в профессию без вышки. Глупо брать незнание дифур да и всей высшей матиматики за == домохозяйки(последние вполне могут их знать=) ).
                  0
                  Ещё глупее бравировать своим незнанием. Не знать чего-то — это вполне нормально (невозможно знать всё), но это же не повод отказываться получать новые знания — благо, в современном мире очень легко заниматься самообразованием.
          0
          хорошее видео на эту тему
          www.youtube.com/watch?v=fDek6cYijxI
            0

            Воздушные массы, примерно за две недели пробегают расстояние сравнимо с периметром Земли. Соответственно прогноз более чем на две недели — шарлатанство.

              0
              Ну ладно, я дилетант, но Вы-то совсем не в теме? Зачем же писать глу что попало?
                +3

                Периметр плоской Земли, я так понял?

                  0

                  А разве большой круг шара не плоская фигура?

                    0

                    А при чем тут экватор?

              0
              Чем точнее модели (в т.ч. чем мощнее компьютеры) — тем больше нужно метеостанций по всему миру. А с этим, я боюсь, не очень хорошо.
                0
                спутники… хотя, конечно, прямые измерения лучше.
                  +1
                  Ну и плюс появившийся достаточно недавно недостоверный канал обратной связи в виде «сообщите если сейчас не так»
                    0
                    Во время облачности спутники малополезны. Впрочем, и без облаков — я слабо представляю себе, как спутник сможет измерить температуру, давление и скорость ветра на разных высотах.
                      +1
                      Это смотря, в каком диапазоне происходит спутниковая съемка. В видимом диапазоне, и частично, в инфракрасном — да. В микроволновом — совсем не бесполезны.
                        +1
                        я слабо представляю себе, как спутник сможет измерить температуру, давление и скорость ветра на разных высотах
                        почитайте про адаптивную оптику — механизм сходный. Конечно, данные получаются непрямые, но, в принципе, пересчитываемые.
                      0

                      Так ведь можно легко использовать и бытовые метеостанции. Тот же сервис Weather Underground предлагает всем желающим сливать свои показания на их сервера и там уже более 250 тыс станций.

                        +1
                        Это наверно очень здорово, когда 10500 станций мегаполиса сливают одинаковые данные… Но от этого не появляются данные из необжитых регионов.
                          +1
                          Видите ли, это не одинаковые данные. Хороший пример: существование районов с повышенным количеством осадков, я как специалист именно по городской метеорологии исследую, например, вот такие явления: ru.wikipedia.org/wiki/%D0%9E%D1%81%D1%82%D1%80%D0%BE%D0%B2_%D1%82%D0%B5%D0%BF%D0%BB%D0%B0
                          Разница в температуре вечером в центре Москвы и в пригородах в отдельные моменты (осенью) до 12-15 градусов. То есть, разница в данных порой очень существенная.
                          0
                          Огромный массив некачественных данных, где шума больше, чем полезного сигнала. Более-менее пригоден только для бытового использования.
                            0
                            Недавно появились специально для таких случаев статистические приемы, которые позволяют отделить «зерна от плевел». То есть количество года два назад таки начало переходить в качество. А раньше — да, приходилось выбрасывать почти 100%.
                              0
                              Я не очень верю в какие-то статистические методы, потому что зёрен в тех данных практически и нет — там не отдельные случайные погрешности, а почти поголовные систематические. Главная проблема частников ведь даже не в точности самого прибора (это действительно можно было бы просеивать статистически), а его размещении. Обеспечить правильное размещение в городе зачастую невозможно даже при всем желании. И оказываются датчики то около теплой стены, то соседский дом ветер экранирует, то высота над землёй какая получилась, то всё вместе сразу.

                              Или те методы подразумевают не выделение хороших станций, а попытки из большого массива плохих вывести некое усреднение? Это попахивает отсебятиной.
                                0

                                А нельзя на основе ошибок вывести поправки для каждого датчика, если его не переставляют, разумеется

                                  0
                                  Какими поправками можно исправить данные, если проблема не в качестве измерений, а в практически непредсказуемом искажении самой физической среды?

                                  Пример: метеостанция стоит в «коробке», образованной несколькими рядом стоящими домами. И эта коробка, с одной стороны, уменьшает скорость ветра (дельта очень нелинейна), а с другой — искажает поток (локально ветер может дуть в другую сторону, чем на открытом пространстве).

                                  Чтобы затея имела успех, нам нужно в разнообразных условиях пронаблюдать за каждым датчиком, сравнивая его показания с эталоном. А потом прогнать полученным массив данных через некие волшебные алгоритмы или нейросети, которые дадут нам поправочные коэффициенты.

                                  И тут есть две проблемы:
                                  1) Датчик нужно пронаблюдать в самых разных условиях, в разные сезоны и при разной погоде, включая всевозможные редкости и аномалии. Это очень долго, я думаю, не меньше одного-двух десятилетий. За это время метеостанция сломается, хозяин переедет или рядом построят новую высотку, которая полностью изменит локальную розу ветров.
                                  2) Самое главное: где взять тот самый эталон, с которым мы будем сравнивать тестируемые датчики? Нет его. Мы знаем, что наш датчик скорее всего врёт, но не знаем насколько точно.

                                  В целом, это напоминает попытки восстановить цвет из черно-белой фотографии. Можно прикинуть примерно на глазок, но достоверные научные данные получить невозможно.
                                    0
                                    Прогнозы у нас сейчас итак на глазок
                                0
                                а уж для нейросетей — это просто жырный корм.
                          –2
                          На днях стало известно, что в полку погодных суперкомпьютеров ожидается революционное пополнение: британская метеослужба планирует в 2022 году ввести в строй новый комплекс стоимостью в 1,56 млрд долларов (это аппаратная часть + расходы на обслуживание на 10 лет).
                          Так они вот, в 14 году же писали о том, что вот-вот новый комп получат, который заработает на полную лишь в 17? То есть по факту старый 5 лет отработал? Поэтому, видимо, сразу и обновление через три года для удвоения производительности?
                          а некоторые новые процессоры в процессе разработки тестируются на метеорологических задачах, как на наиболее ресурсоёмких в принципе.
                          Это мягкий намёк на толстое обстоятельство по переходу на новые процессоры? А так как интел в последнее время ничего нового не показал, то привет креи на вторых эпиках?
                          Ну, в добавок к крею ВМС США на 12,8 PFLOPS, которую уже анонсировали, а так же к недавно запущенному в Штутгартского университета (HLRS) на 26 PFLOPS.
                            0

                            Компьютер новый, ПО — старое? В чем суть, кроме быстрее и детализированней? ИМХО, было бы интересней точнее и эффективней.

                              0
                              Хороший вопрос, да. Дело в том, что ПО привязано к возможностям вычислительной инфраструктуры (особенности распараллеливания, точность параметризаций, например, процессов в облаках итд). Поэтому в данном примере новое ПО «ждет» пока его возможности смогут реализоваться на соответствующем железе.
                                0

                                Может ПО (точнее — библиотеки) не так уж отличаются, просто нейросети станут больше, математика-то та же. Но в целом вы правы — для конечного потребителя (метеоролога) это все равно другое ПО

                                  0
                                  Физика немного другая — в зависимости от масштаба процессы либо решаются более-менее явным образом, либо параметризуются (так, например, в глобальных моделях есть и представление океанов, и криосферы (ледников), а в региональных (на 2-3 суток) уже ничего этого нет (они получают данные о состоянии этих систем «одной цифрой», не учитывая внутренней динамики)
                              0
                              Интересно было бы почитать об окупаемости такой разработки. Как я понимаю, они API продают только большим вендорам (поисковикам, мобильным компаниям, и т.д.), а те уже в свою очередь в массы отдают данные бесплатно.
                                0
                                Да, это интересная тема, и насколько я знаю, АPI не так сложно получить даже малым организациям (был опыт).
                                  0

                                  Бесплатно — это за рекламу?

                                    0
                                    необязательно, лишь бы ссылки были как на партнера

                                Только полноправные пользователи могут оставлять комментарии. Войдите, пожалуйста.

                                Самое читаемое