El archivo climático de 100 PB de la NASA ahora está junto a un superordenador suizo

ETH Zurich ha copiado alrededor de 100 petabytes de datos abiertos de la NASA al centro de supercomputación CSCS en Lugano, Suiza, creando uno de los mayores conjuntos de datos climáticos reunidos junto a un sistema centrado en IA en Europa. La transferencia duró casi un año e incluye aproximadamente 6 000 millones de archivos que abarcan la atmósfera, los océanos, los glaciares y las concentraciones de gases de efecto invernadero.

El objetivo no es solo la preservación. ETH Zurich afirma que la proximidad y la velocidad importan: los modelos meteorológicos y climáticos necesitan tanto una capacidad de cálculo masiva como acceso inmediato a grandes archivos de observación bien organizados. Con los datos ahora situados junto al superordenador Alps, los investigadores pueden entrenar y ejecutar modelos sin largas transferencias entre sistemas.

Qué contiene el archivo de la NASA

El archivo copiado abarca años de observaciones del sistema terrestre, incluyendo:

• mediciones de concentración de gases de efecto invernadero
• datos de cobertura de nubes y precipitación
• condiciones de las capas de hielo
• parámetros oceánicos

Según la fuente, la colección puede usarse tanto para poner a prueba hipótesis científicas como para entrenar redes neuronales con series temporales largas. ETH Zurich también enfatiza que los datos eran abiertos: el equipo suizo no tomó información restringida ni violó las normas de acceso.

La copia adicional también sirve como protección frente a cambios en la financiación o en las prioridades que afecten a la infraestructura científica original. Para archivos climáticos de larga duración eso importa; muchos de estos proyectos funcionan durante décadas, no solo un ciclo presupuestario.

Recomendado

Estudio sobre hidrógeno verde encuentra pérdidas de pH ocultas en celdas PEC

Por qué los modelos meteorológicos con IA necesitan datos locales

La modelización climática ha estado limitada durante mucho tiempo no solo por las matemáticas, sino por el tiempo de cálculo. Cuanto mayor es la resolución del modelo y cuantas más variables incluye, más costosa resulta cada predicción. Eso está llevando al campo hacia un enfoque híbrido: los modelos basados en la física siguen siendo la base, mientras que la IA acelera etapas seleccionadas y encuentra patrones en grandes conjuntos de observaciones.

La fuente señala que algunos modelos de IA ya pueden generar partes de los pronósticos meteorológicos en cuestión de minutos, mientras que los modelos numéricos tradicionales suelen tardar horas. Para alertas de inundaciones, tormentas y sequías, eso puede reducir el retraso entre la recopilación de datos y la emisión de un aviso.

Esto forma parte de un cambio más amplio. El European Centre for Medium-Range Weather Forecasts está desarrollando sus propias herramientas de IA, mientras que equipos de Google DeepMind y Microsoft han demostrado que el aprendizaje automático puede acelerar la previsión sin descartar los modelos físicos.

El siguiente paso de ETH Zurich es añadir grandes conjuntos de datos de la NOAA (U.S. National Oceanic and Atmospheric Administration). Si eso ocurre, Alps ganará una fuente aún mayor de insumos que podrán compararse con las predicciones y las observaciones en un solo lugar — y ponerse a prueba para ver si los modelos de IA aportan mejoras prácticas en la previsión del mundo real.