Künstliche Intelligenz, aktuell.
Direkt aus den Originalmeldungen.

Ai2 und Google unterstützen Open-Source-Klimamodell für Langzeitprognosen

4. November 2026, 09:00Quelle: Ai2
Ai2 und Google unterstützen Open-Source-Klimamodell für Langzeitprognosen
Bild: Ai2

Ai2 startet NeuralGCM+, eine Initiative für ein Open-Source-Klimamodell, die durch eine mehrjährige Finanzierung in Millionenhöhe von Google.org und technische Unterstützung von Google Research gefördert wird. Das Projekt soll Klimaprojektionen schneller und zuverlässiger machen, indem Atmosphäre und Ozean gemeinsam modelliert werden.

Das Wichtigste in Kürze
  • Ai2 startet NeuralGCM+ mit Finanzierung von Google.org und Unterstützung von Google Research.
  • Das Modell soll Atmosphären- und Ozeansimulationen für langfristige Projektionen kombinieren.
  • Ai2 konzentriert sich auf Klimatrends über Jahre bis Jahrzehnte.
  • Geplant sind Open-Source-Modelle, Modellgewichte und dokumentierte Arbeitsabläufe.
  • Das Projekt zielt auf schnellere Simulationen sowie bessere regionale Ergebnisse bei Temperatur und Niederschlag.

Von Wettervorhersagen zu Klimaprojektionen

NeuralGCM+ baut auf NeuralGCM von Google Research auf. Dabei handelt es sich um ein hybrides System, das physikalische Gleichungen für großräumige Dynamiken mit künstlicher Intelligenz kombiniert, um Prozesse auf kleinerer Skala wie Wolkenbildung und Niederschlag abzubilden.

Während NeuralGCM für Vorhersagen über Wochen bis Monate entwickelt wurde, will sich Ai2 auf Klimatrends über Jahre bis Jahrzehnte konzentrieren. Zu den geplanten Anwendungen gehört die Untersuchung, wie sich Niederschlag und Wasserverfügbarkeit bis zur Mitte des Jahrhunderts in Regionen wie dem Südwesten der Vereinigten Staaten verändern könnten.

Das erweiterte Modell soll Atmosphäre und Ozean gemeinsam simulieren, einschließlich der Frage, wie Ozeane Wärme aufnehmen und umverteilen. Laut Ai2 ist dies ein wichtiger Einflussfaktor auf das langfristige Klima.

Warum schnellere Klimasimulationen wichtig sind

Konventionelle Klimamodelle haben Wissenschaftlern geholfen, die globale Erwärmung zu verstehen. Ihr hoher Rechenaufwand begrenzt jedoch die Zahl der Experimente, die Forscher durchführen können. Laut Ai2 könnten schnellere und kostengünstigere Simulationen es Wissenschaftlern ermöglichen, mehr mögliche Zukunftsszenarien zu untersuchen und anhaltende Unsicherheiten bei regionalen Temperatur- und Niederschlagstrends zu erforschen.

Das bestehende NeuralGCM von Google Research zeigt das Potenzial für höhere Geschwindigkeit. In einem öffentlichen Benchmark simulierte eine Version, die ausschließlich die Atmosphäre abbildet, ein Jahr atmosphärischer Bedingungen für den gesamten Globus in acht Minuten auf einem einzelnen TPU.

Ai2 verweist außerdem auf seine Modellfamilie Climate Emulator, kurz ACE. In einer Studie führte ACE2 Experimente dazu, wie Meerestemperaturmuster das Klima beeinflussen, ungefähr 100-mal schneller durch als das konventionelle Atmosphärenmodell, dessen Verhalten es nachbilden sollte.

Drei Forschungsschwerpunkte für NeuralGCM+

Ai2 will NeuralGCM+ in drei miteinander verbundenen Bereichen entwickeln. Zunächst soll NeuralGCM mit einem Ozean- und Meereismodell verknüpft werden, um stabile Simulationen über Jahrzehnte hinweg zu ermöglichen. Ein zentrales Ziel ist es, bei der Simulation der vergangenen 50 Jahre die Fehler bei regionalen Temperaturen und Niederschlägen im Vergleich zu konventionellen Klimamodellen zu verringern.

Zweitens will das Team weitere etablierte physikalische Prozesse integrieren und testen, ob das Modell Temperatur- und Niederschlagsveränderungen in wärmeren Klimazonen reproduzieren kann, die in den Trainingsdaten nicht abgebildet waren. Simulationen konventioneller Klimamodelle sollen dabei als Referenz dienen.

Drittens will Ai2 die Nutzung und Erweiterung der Werkzeuge vereinfachen. Aufbauend auf dem Open-Source-Code und den verfügbaren Modellgewichten von NeuralGCM will das Unternehmen Modelle und Modellierungs-Frameworks mit dokumentierten Arbeitsabläufen veröffentlichen. Externe Forscher sollen damit Modelle trainieren und anpassen sowie Code beisteuern können. Zudem will das Team die Leistung auf weit verbreiteten GPUs verbessern.

Eine offene Plattform für die Klimaforschung

Ai2 verfolgt langfristig das Ziel einer gemeinsamen Forschungsplattform, die Klimamodellierungslabore zusammen nutzen und weiterentwickeln können. Die erklärtermaßen angestrebte Plattform soll diese Werkzeuge mehr Wissenschaftlern zugänglich machen und Gemeinden dabei helfen, fundiertere Entscheidungen über Wasserplanung und Klimaanpassung zu treffen.

„Ein großer Teil der Fortschritte bei der KI-Modellierung des Erdsystems konzentrierte sich auf Wettervorhersagen im Zeitraum von Tagen bis Monaten“, sagte Oliver Watt-Meyer, Climate Modeling Lead bei Ai2, in der Ankündigung. „Doch Gemeinden müssen auch verstehen, was über Jahrzehnte geschehen könnte, wenn sie für ein sich veränderndes Klima planen.“

Die Partnerschaft ist relevant, weil sie den bestehenden hybriden Modellierungsansatz von Google Research mit dem Fokus von Ai2 auf längerfristige Projektionen und offene Forschung verbindet. Ai2 betont jedoch, dass der Nachweis zuverlässiger Zukunftsprojektionen weiterhin eine zentrale Forschungsaufgabe ist. NeuralGCM+ ist daher ein Entwicklungsprojekt und kein fertiges Vorhersagesystem.

Ähnliche Meldungen

UChicago- und Caltech-Konferenz beleuchtet wachsende Rolle von KI in der Wissenschaft
Forschung3. November 2026, 17:40

UChicago- und Caltech-Konferenz beleuchtet wachsende Rolle von KI in der Wissenschaft

Eine dreitägige Konferenz der University of Chicago und des Caltech brachte Forschende und Führungskräfte aus Wissenschaft, Regierung, Industrie und Philanthropie…

Ultima Genomics gewinnt Sequenzierungsauftrag für Singapurs NPM-Phase III
Wirtschaft3. November 2026, 02:00

Ultima Genomics gewinnt Sequenzierungsauftrag für Singapurs NPM-Phase III

Ultima Genomics teilte mit, dass seine UG200 Sequencing Platform für SG-INSIGHT ausgewählt wurde, eine Kohorte in Phase III des singapurischen National Precision…

Ai2s StateBench zeigt: Frontier-Modelle scheitern bei der Zustandsverfolgung über lange Eingaben
Forschung3. November 2026, 09:00

Ai2s StateBench zeigt: Frontier-Modelle scheitern bei der Zustandsverfolgung über lange Eingaben

Ai2 hat StateBench vorgestellt, einen Benchmark, der misst, wie gut Sprachmodelle Entitäten verfolgen, während diese sich in langen Dokumenten verändern. Laut Ai2 können…