Sporofyty mechu přežily 9 měsíců ve vesmíru
Mechu se daří i v některých z nejextrémnějších prostředí na Zemi, od chladných vrcholků Himálaje až po suché, spálené písky Údolí smrti.
Loňské povodně v České republice, ve Španělsku a dalších místech znovu ukázaly nezbytnost přesných a spolehlivých meteorologických předpovědí. Umělá inteligence, reprezentovaná modely jako je např. GraphCast, vyvinutý společností Google DeepMind, představuje revoluční posun v oblasti meteorologických předpovědí. Díky schopnosti poskytovat rychlé a přesné předpovědi s dlouhým časovým horizontem má AI potenciál významně přispět k minimalizaci škod způsobených extrémními povětrnostními jevy. V kontextu současných povodní a dalších klimatických výzev po celém světě je implementace a další vývoj AI technologií v meteorologii zásadní.
Pokročilý AI model je schopen poskytovat globální předpovědi počasí až na 10 dní dopředu s bezprecedentní přesností. GraphCast překonává současný zlatý standard v oboru, kterým je High Resolution Forecast (HRES) Evropského centra pro střednědobé předpovědi počasí (ECMWF).
GraphCast
Model GraphCast funguje na základě grafových neuronových sítí (GNN), které jsou ideální pro zpracování prostorově strukturovaných dat, jako jsou meteorologické informace. Předpovědi poskytuje s vysokým rozlišením 0,25 stupně zeměpisné šířky a délky, což znamená více než milion bodů pokrývajících celý povrch Země. Navíc je schopen vytvořit 10denní předpověď za méně než jednu minutu pomocí jediného výpočetního zařízení Google TPU v4, zatímco tradiční modely potřebují na superpočítačích hodiny výpočtů. GraphCast předpovídá atmosférické proměnné, jako jsou teplota a rychlost větru, nejen povrchové, ale také na 37 výškových úrovních. Předpovědi jsou generovány pro všechny souřadnice najednou, účinnost a doba odezvy je ohromující.
GraphCast a podobné AI modely využívají obrovské množství historických a aktuálních dat, což umožňuje vytvářet komplexnější a přesnější předpovědi. Strojové učení a hluboké neuronové sítě identifikují vzorce v datech, které tradiční modely často nezachytí. Díky rychlému zpracování dat mohou být předpovědi častěji aktualizovány a úřady mohou efektivněji reagovat na měnící se podmínky.
GraphCast je volně přístupný
Přesné předpovědi mají pozitivní dopad na krizové řízení, ochranu majetku, minimalizaci finančních ztrát i záchranu lidských životů. Kód modelu GraphCast byl navíc zveřejněn jako open source, což umožňuje vědcům a meteorologům po celém světě využívat jeho výhody a dále jej rozvíjet. Spolupráce mezi vědeckou komunitou, technologickými společnostmi a veřejnými institucemi bude klíčová pro plné využití tohoto potenciálu ve prospěch celé společnosti.
(K tématu se vyjadřuje David Strejc, odborník a aktivista v oblasti umělé inteligence z autoerp.cz.)
Vše o GraphCast najdete zde: https://deepmind.google/discover/blog/graphcast-ai-model-for-faster-and-more-accurate-global-weather-forecasting/
Mechu se daří i v některých z nejextrémnějších prostředí na Zemi, od chladných vrcholků Himálaje až po suché, spálené písky Údolí smrti.
„Zvaž vědu!“ je projekt, který se zaměřuje na popularizaci přírodních a technických věd a na podporu aktivních středoškoláků. Jeho cílem je motivovat mladé lidi k zájmu ...
Zrušení letního času by mohlo v USA zabránit více než 300 000 případům mrtvice ročně. Posunutí času o hodinu dopředu v březnu a posunutí zpět na podzim narušuje dvakrát ročně cirkadiánní rytmus.
Chobotnice, olihně, sépie a další druhy hlavonožců jsou známé svými neuvěřitelnými maskovacími schopnostmi, kdy rychle mění barvu a texturu kůže, aby s okolím.
Lawsonovo kritérium je Ohmův zákon pro termojadernou fúzi. Aby uvolněné energie bylo více než vstupní, musí být součin hustoty plazmatu a doby udržení jeho energie větší než ...
Zjímavý průřez historií jaderné fúze a propagace jednoho ze směrů výzkumu - stellarátorů. množstvím animací i reálných záběrů podává srovnání se současnými tokamaky.