AI-vejrmodeller skal tvinges til at overholde fysikkens love

Et nyt ph.d.-projekt hos DMI skal sikre, at fremtidens ressourcebesparende AI-vejrmodeller holder sig inden for naturens og fysikkens spilleregler

Af Lars bennetzen

Danmarks Frie Forskningsfond har bevilliget tre millioner kroner til projektet ’Physics constrained machine learning models for weather prediction’. Projektet skal udføres af DMI-forsker Martin Lyskjær Frølund i samarbejde med DTU og det Europæiske Center for Vejrforudsigelse (ECMWF).

Mens klassiske vejrmodeller kræver store mængder regnekraft fra supercomputere, har AI-modeller potentiale til at levere resultater langt hurtigere og med færre ressourcer. En AI-model vil i fremtiden kunne afvikles på mindre hardware, eksempelvis en bærbar computer.

Udfordringen med teknologien er, at modellerne ikke automatisk forstår fundamentale fysiske love, såsom tyngdekraften. Projektet, der løber over tre år fra den 15. august 2026, har til formål at udvikle modeller, der specifikt overholder disse naturlove.

- Udfordringerne ved AI-vejrmodeller er, at de kan finde på at producere ufysiske forudsigelser, hvis ikke man opsætter nogle rammer for dem. For eksempel skal en AI-vejrmodel lære, at der ikke findes negativ fugtighed. Ud over at rammerne vil gøre AI-vejrmodellen mere pålidelig i sine forudsigelser, så vil rammerne i sig selv også afgrænse dens søgen efter den optimale model, så det kræver færre ressourcer i træningsprocessen, udtaler DMI-forsker Martin Lyskjær Frølund.

4/12 2025