100 петабайт NASA переехали в Швейцарию ради ИИ и прогноза погоды

Швейцарская ETH Zurich скопировала примерно 100 петабайт открытых данных NASA в суперкомпьютерный центр CSCS в Лугано. Всё это нужно, чтобы обучать модели погоды и климата на одном из самых мощных комплексов Европы. В архиве около 6 млрд файлов: наблюдения за атмосферой, океанами, ледниками, концентрацией парниковых газов. Перенос занял почти год, и теперь рядом с суперкомпьютером Alps лежит один из крупнейших климатических массивов, собранных под ИИ.

В ETH Zurich прямо говорят: дело не только в том, чтобы сохранить данные. Нужна ещё и скорость. Сейчас ИИ-модели уже умеют выдавать часть погодных прогнозов за минуты, а классические численные модели часто считают такие задачи часами. Для предупреждений о наводнениях, штормах и засухах это сокращает время, которое остаётся у служб, фермеров и энергетиков.

На фоне этого климатическая наука всё заметнее уходит в сторону больших моделей. Европейский центр среднесрочных прогнозов погоды уже развивает собственные ИИ-инструменты, а команды Google DeepMind и Microsoft показывают, что машинное обучение может ускорять прогнозирование, не отбрасывая физические модели. Но таким системам нужны не только вычисления — им нужны ещё и огромные, аккуратно собранные архивы наблюдений.

Что лежит в архиве NASA

Перенесённый массив собирали годами по всей климатической системе Земли. Там есть измерения концентрации парниковых газов, облачности, осадков, состояния ледяных щитов и параметров океанов. Масштаб тут не про одну базу и не про отдельную миссию. Это набор наблюдений, который можно использовать и для проверки гипотез, и для обучения нейросетей на длинных временных рядах.

И ещё один момент: данные были открытыми. Швейцарские исследователи не забирали закрытую информацию и не нарушали правила доступа. Они сделали дополнительную копию на случай, если у исходной научной инфраструктуры начнутся проблемы с финансированием или сместятся приоритеты. Для климатических архивов это не теория. Многие такие проекты живут десятилетиями, а не один бюджетный цикл.

По словам учёных, дальше они хотят добавить к этой базе и крупные массивы NOAA — американского Национального управления океанических и атмосферных исследований. Если проект разрастётся, у Alps появится ещё более тяжёлый набор входных данных, который можно будет сопоставлять с прогнозами и наблюдениями в одном месте, без долгих перегонов между системами.

Зачем климату суперкомпьютер и ИИ

Климатическое моделирование давно упирается не только в математику, но и во время расчёта. Чем выше разрешение модели и чем больше переменных она учитывает, тем дороже каждый прогноз. Поэтому индустрия всё чаще идёт по гибридному пути: физические модели остаются основой, а ИИ ускоряет отдельные этапы и ищет закономерности в больших массивах наблюдений.

Первые результаты уже есть. В ряде задач нейросети заметно ускоряют прогноз погоды, а в отдельных сценариях способны обрабатывать глобальную картину почти за минуту. Для таких центров, как Европейский центр среднесрочных прогнозов погоды, это не замена старых методов, а способ сократить задержку между сбором данных и выпуском предупреждения.

Есть и ещё один слой, связанный уже не с техникой, а с политикой. Климатические программы зависят от долгих решений, а не от одной пресс-конференции. Когда архивы на десятки петабайт живут рядом с суперкомпьютерами, это уже не просто резервная копия. Это попытка удержать научную память в рабочем виде, даже если финансирование в США снова начнёт качаться.

У площадки Alps в Лугано теперь есть редкое преимущество: вычисления и данные находятся в одном контуре. Если ETH Zurich сумеет связать этот массив с новыми моделями, у климатологов появится инструмент, который быстрее находит повторяющиеся паттерны в атмосфере и океане. Для прогноза погоды это может обернуться не только экономией времени, но и более ранними сигналами о событиях, которые обычно бьют по инфраструктуре и сельскому хозяйству.

Дальше всё будет зависеть от того, насколько быстро исследователи расширят архив за счёт NOAA и смогут ли показать, что ИИ-модели на таких данных дают практическую пользу в реальных прогнозах. У Швейцарии уже есть железо, у NASA — массив, а у климата, как обычно, свой график.