AI-vejrmodeller skal overholde Newton’s love

Præcise vejrudsigter er afgørende for det danske samfund, især for beredskabet i situationer med ekstremt vejr. At forudsige vejret er dog forbundet med fundamentale udfordringer, idet vejret er et kaotisk system, hvor små usikkerheder hurtigt kan vokse sig store. Derfor arbejder Europas meteorologiske institutter som DMI konstant på at blive bedre til at forudsige vejret for de kommende dage.

Det kræver flere timers arbejde for en supercomputer at regne vejret ud frem i tid. Det er derimod AI‑modellers styrke, at de, efter at have bearbejdet ubegribeligt mange data, kan gøre dette på en brøkdel af den samme tid og samtidigt kræve væsentligt færre computerressourcer.

Trods dette er AI-modellerne ikke skolet i tyngdekraft og mange andre fysiske love, som ellers er fundamentet for de traditionelle vejrmodeller. Derfor skal AI-modellen udvikles specifikt til at overholde naturens love, og det er lige præcis det, der bliver Martin Lyskjær Frølunds opgave i hans ph.d. fra sommeren 2026 og 3 år frem.

- 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.

FAKTA

• Danmarks Frie Forskningsfond har bevilliget tre millioner kroner til ph.d.-projektet ’Physics constrained machine learning models for weather prediction’
• Ph.d.’en går i gang fra den 15. august 2026.
• Projektet er et samarbejde mellem DMI og DTU med vejledning det Europæiske Center for Vejrforudsigelse (ECMWF), der laver globale vejrprognoser.