Inteligencia Artificial Eficiente para la Predicción Meteorológica

Resumen

Extreme weather events have caused severe damage and loss of life in recent decades. Traditional numerical weather prediction, while accurate, is computationally intensive—requiring supercomputers that consume massive amounts of energy.

In contrast, energy-efficient AI offers a transformative alternative. This course explores how modern AI models can drastically reduce energy consumption and CO₂ emissions while improving the accuracy and accessibility of weather forecasting.

Through practical examples, we demonstrate how techniques like LoRA fine-tuning, diffusion models, and GNSS-based sensing can enhance forecasting capabilities on both large and personal devices. By the end of this course, learners will understand how efficient AI methods enable sustainable, high-precision weather prediction for the future.

Programa

• Introducción a la Predicción Meteorológica
Resumen de la predicción meteorológica numérica tradicional
Consumo de energía e impacto ambiental de los supercomputadores
Introducción de la IA en la predicción meteorológica
• Tecnologías de IA Eficientes
Comprensión del consumo de energía y emisiones de CO₂ en IA
Comparación de métodos tradicionales y basados en IA para la eficiencia energética
• Técnicas de IA para Predicción Meteorológica
Introducción a LoRA (Adaptación de Baja Rango) Fine-Tuning
Resumen de los Modelos de Difusión
Uso del GNSS (Sistema Global de Navegación por Satélite) para el sensor de datos meteorológicos
• Entrenamiento de Modelos Eficiente en Energía
Estrategias para reducir costos computacionales en el entrenamiento de IA
Estudios de caso en el despliegue de modelos de bajo consumo
• Evaluación y Mejora de Modelos de IA
Técnicas para mejorar la precisión de los modelos
Equilibrio entre precisión y eficiencia energética
Estudio de caso: Optimización de modelos de IA para dispositivos personales
• Aplicaciones Prácticas y Estudios de Caso
Ejemplos reales de IA en la predicción meteorológica
Análisis de las mejoras en eficiencia y precisión
• Herramientas y Software
Resumen de herramientas de código abierto para el modelado meteorológico con IA
Sesión práctica con marcos y plataformas de IA
• Consideraciones Éticas y Ambientales
Discusión sobre el impacto ambiental de las tecnologías de IA
Estrategias para un desarrollo y despliegue sostenible de IA
• Direcciones Futuras en IA para la Predicción Meteorológica
Tecnologías emergentes y áreas de investigación
El papel de la IA en los desafíos y oportunidades climáticas futuras
• Proyecto Final y Evaluación
Aplicación de conceptos aprendidos para desarrollar un modelo de IA para pronósticos energéticamente eficiente
Evaluación del rendimiento del modelo y mejoras en eficiencia

---

Impartido por

PD Dr. Haojin Yang, Weixing Wang, Jona Otholt, Zi Yang, Gregor Nickel, Dr. Zhitong Xiong, Constantin Le Cleï, Dr. Peng Yuan, and Dr. Liangjing Zhang

---

Materias

Artificial Intelligence