MarsCast: как нейросети учатся предсказывать погоду на Марсе

Разработчики взяли за основу графовую нейросеть GraphCast, изначально обученную на данных Земли. Без адаптации модель не справлялась с суточными колебаниями температуры, поэтому её дообучили на информации из Mars Climate Database. В систему внесли параметры солнечного излучения, температуры и ветров, что позволило ИИ уловить специфику марсианской динамики уже через 10 эпох тренировки.

Эффективность вычислений и точность прогноза

Основное преимущество MarsCast заключается в скорости. При разрешении 1° модель выдает десятидневный прогноз за две минуты на одной видеокарте. Традиционные физические методы требуют около 30 минут работы процессора при гораздо более низком разрешении в 5°. Высокая вычислительная эффективность позволяет ученым запускать ансамбли расчетов, что существенно снижает погрешность в оценке погодных рисков.

Текущая версия модели успешно воспроизводит вертикальную структуру атмосферы и сезонные сдвиги. Несмотря на то что точность прогноза падает с увеличением временного горизонта, результаты остаются актуальными как минимум на 96 часов. В будущем команда планирует расширить возможности нейросети, добавив учет пылевых бурь и данных с реальных марсианских станций. Это критически важно для планирования будущих миссий, где точность прогноза погоды напрямую влияет на безопасность посадки и работу оборудования.