Сегодня прогнозирование погоды основывается на решении уравнений из области гидродинамики, что позволяет предсказать будущие значения температуры, характеристики ветра и др. Для этого используются мощнейшие компьютеры — чтобы учесть огромное количество переменных и обеспечить необходимую точность и скорость прогнозирования. Ученые из Вашингтонского университета и Microsoft применили иной подход, который обещает сильно уменьшить потребность в вычислительных мощностях. Разработанная ими модель глубинного обучения анализирует данные о погоде в мире за последние 40 лет и по обнаруженным закономерностям делает метеопрогнозы.

По словам ученых, модель способна выполнить симуляцию погоды за год по всему миру гораздо быстрее, чем традиционные системы. По сравнению с ними прогнозы, которые выдает модель, менее точны, но ей для обработки того же количества территорий нужна в 7 тыс. раз меньшая вычислительная мощность. По словам исследователей, благодаря достигнутому ускорению появляется возможность выполнять ансамблевые прогнозы — очень быстро проверять множество возможных последствий метеорологического явления при разных начальных условиях. Это позволит, например, прогнозировать, возможные области воздействия зарождающегося урагана.