Pubblicato su Nature, Aurora è un modello d’intelligenza artificiale sviluppato da Microsoft che segna un punto di svolta nel forecasting del sistema Terra. Addestrato su oltre un milione di ore di dati geofisici eterogenei, Aurora è in grado di superare le performance dei principali centri di previsione operativi su numerosi compiti: dalla qualità dell’aria alla dinamica delle onde oceaniche, dalle traiettorie dei cicloni tropicali alla previsione meteorologica ad alta risoluzione. Le previsioni del sistema Terra si basano tradizionalmente su modelli numerici complessi costruiti in decenni di ricerca. Questi modelli, pur essendo robusti, richiedono supercomputer dedicati, team specializzati e molto tempo per essere aggiornati. Inoltre, la modellazione di processi sub-grid (fenomeni più piccoli della griglia di calcolo) comporta inevitabili approssimazioni che riducono la precisione, specialmente nei fenomeni estremi.
Cosa rende Aurora diverso
Aurora è un modello fondazionale, cioè un’unica architettura preaddestrata che può essere successivamente specializzata (“fine-tuned”) per vari compiti. È composto da:
- un encoder Perceiver 3D, in grado di trattare dati eterogenei (variabili, risoluzioni, livelli di pressione);
- un Swin Transformer 3D U-Net, che simula le dinamiche atmosferiche e oceaniche in modo efficiente e scalabile;
- un decoder Perceiver 3D, che produce le previsioni fisiche finali su griglie spaziali regolari.
Questa architettura è progettata per trattare dati con differenti strutture e risoluzioni spaziali, ed è ottimizzata per l’efficienza computazionale. L’intero modello può girare su GPU A100 con tempi di previsione dell’ordine di un secondo per ora di lead time — una velocità 50.000 volte superiore rispetto ai sistemi numerici come CAMS o IFS.
Prestazioni eccezionali su più fronti
- Qualità dell’aria. Aurora è stato fine-tuned sul dataset CAMS per la previsione della composizione atmosferica globale. Riesce a superare CAMS sul 74% delle variabili previste, mantenendo uno scarto di errore entro il 20% per il 95% dei target. È particolarmente efficace anche su eventi estremi come le tempeste di sabbia in Medio Oriente, anticipandone l’impatto con grande accuratezza e a costi computazionali trascurabili.
- Onde oceaniche. Sui dati del modello IFS HRES-WAM, Aurora supera le prestazioni del sistema numerico sul 86% dei target. Rileva con precisione l’altezza significativa dell’onda (SWH) e la direzione media (MWD), anche durante eventi critici come il tifone Nanmadol nel 2022. Inoltre, il modello gestisce bene le variabili oceaniche non sempre definite su tutta la griglia (come sopra i ghiacci marini), grazie a canali di densità che distinguono dati assenti da dati pari a zero.
- Tracciamento dei cicloni tropicali. Aurora ha ottenuto performance superiori a sette dei principali centri meteorologici globali nella previsione delle traiettorie dei cicloni a 5 giorni, con accuratezza del 100%. Anche senza essere esplicitamente addestrato per il tracking dei cicloni, Aurora ha dimostrato un’eccezionale capacità di generalizzazione.
- Previsioni meteorologiche ad alta risoluzione. Aurora è stato valutato anche sulla previsione meteorologica globale a 0,1° di risoluzione fino a 10 giorni. Ha superato il sistema IFS dell’ECMWF e GraphCast nel 92% dei target considerati. Inoltre, grazie al suo approccio autoregressivo e ai meccanismi di attenzione multi-scala, riesce a catturare anche gli eventi meteorologici estremi.
Vantaggi architetturali e tecnici
- Scalabilità: performance migliorano con l’aumento dei dati e delle dimensioni del modello (+6% ogni 10× nel modello).
- Adattabilità: Aurora può essere rapidamente specializzato per nuove variabili o dataset con un training aggiuntivo minimo.
- Efficienza computazionale: grazie a una struttura ottimizzata e normalizzazione intelligente dei dati, il modello riduce drasticamente l’hardware necessario.
- Generalizzazione: anche compiti non previsti in fase di pretraining, come le polveri sahariane o i venti neutri oceanici, vengono appresi efficacemente.
Un nuovo paradigma per il forecasting ambientale
Aurora rappresenta un passo decisivo verso la democratizzazione dell’accesso a previsioni ambientali accurate, rapide ed economicamente accessibili. Il suo potenziale va ben oltre la meteorologia: è una piattaforma flessibile per l’intero sistema Terra, in grado di supportare decisioni cruciali nei settori dell’agricoltura, sanità, sicurezza civile ed energia. Il successo di Aurora dimostra che l’intelligenza artificiale non solo può affiancare i modelli numerici tradizionali, ma può anche superarli — aprendo la strada a un futuro dove la previsione ambientale è più veloce, più precisa e disponibile a livello globale.