Qué se ha publicado
NVIDIA anunció en su blog que StormScope EU es ya el modelo más reciente de Earth-2, su familia de modelos y herramientas de IA abiertos para trabajo meteorológico y climático. Se trata de una versión regional del modelo StormScope existente, pensada para la previsión a corto plazo y entrenada con datos meteorológicos y climáticos de Europa.
El modelo se apoya en observaciones por satélite de EUMETSAT para predecir cómo evolucionará la nubosidad en 16 canales de Meteosat, con intervalos de 10 minutos. La fuente no indica fecha de lanzamiento, condiciones de licencia ni precio de StormScope EU, así que siguen sin confirmarse.
Cómo encajan las piezas
En la GTC de Berlín, NVIDIA muestra una cadena de StormScope EU en funcionamiento, en una demostración creada con Earthmover. Earth2Studio ejecuta las previsiones y la plataforma de datos de Earthmover gestiona y sirve los resultados, que se actualizan cada vez que llegan nuevas observaciones por satélite. Los resultados se entregan como teselas de mapa, de modo que los visitantes pueden explorar las predicciones de toda Europa sin descargar conjuntos de datos completos.
Los desarrolladores pueden combinar varios modelos de Earth-2 en un mismo flujo de trabajo. StormScope se ocupa de la previsión a corto plazo, mientras que CorrDiff añade detalle local a datos meteorológicos más generales. El marco de código abierto PhysicsNeMo aporta herramientas de entrenamiento y personalización, con lo que los equipos pueden reentrenar las arquitecturas con datos propios o para usos nuevos, como la modelización de la calidad del aire.
Quién construye sobre él
La publicación enumera varias organizaciones que trabajan con Earth-2:
- AXA emplea FourCastNet 3 para estudiar el riesgo regional de ciclones en más de 1.000 temporadas simuladas, con el fin de respaldar evaluaciones de riesgo y labores de prevención.
- Vaisala Xweather combina Earth-2 con sus propias observaciones y datos de rayos, adapta StormScope para ampliar la antelación de los avisos a corto plazo y lo ofrece mediante sus productos SaaS y sus integraciones con asistentes de IA.
- Universidad de Mánchester adaptó CorrDiff para modelizar la calidad del aire en el Reino Unido, lo entrenó en el superordenador Isambard-AI y lo ejecutó en local en sistemas NVIDIA DGX Spark.
- TotalEnergies evalúa predicciones inmediatas de radiación solar basadas en StormScope en dos instalaciones fotovoltaicas y desarrolla modelos para información meteorológica por debajo de la hora.
- Space42 creó SARDiff4Height con CorrDiff y PhysicsNeMo para estimar alturas de superficie a partir de una sola imagen de radar, con mapas de incertidumbre.
Qué conviene retener
Los ejemplos son sobre todo pilotos e investigación, no productos terminados, y la fuente no ofrece cifras de rendimiento. El hilo con relevancia comercial es el plan de Vaisala Xweather de entregar avisos basados en StormScope mediante software y asistentes, que es como la mayoría de las empresas lo consumiría.