Les niveaux d'ozone dans la troposphère terrestre (le niveau le plus bas de notre atmosphère) peuvent désormais être prévus avec précision jusqu'à deux semaines à l'avance, une amélioration remarquable par rapport aux systèmes actuels qui peuvent prédire avec précision les niveaux d'ozone seulement trois jours à l'avance. Le nouveau système d'intelligence artificielle développé dans le laboratoire de modélisation et de prévision de la qualité de l'air de l'Université de Houston pourrait conduire à de meilleurs moyens de contrôler les problèmes d'ozone élevé et même contribuer à des solutions aux problèmes de changement climatique.

"C'était très difficile. Personne ne l'avait fait auparavant. Je pense que nous sommes les premiers à essayer de prévoir les niveaux d'ozone en surface deux semaines à l'avance, " dit Yunsoo Choi, professeur de chimie atmosphérique et d'apprentissage en profondeur de l'IA au Collège des sciences naturelles et mathématiques de l'UH. Les résultats sont publiés en ligne dans la revue scientifique, Rapports scientifiques .

Ozone, un gaz incolore, est utile au bon endroit et au bon montant. En tant que partie de la stratosphère terrestre ("la couche d'ozone"), il protège en filtrant les rayons UV du soleil. Mais lorsqu'il y a de fortes concentrations d'ozone près de la surface de la terre, il est toxique pour les poumons et le cœur.

"L'ozone est un polluant secondaire, et cela peut affecter les humains d'une mauvaise manière, " a expliqué le doctorant Alqamah Sayeed, un chercheur dans le laboratoire de Choi et le premier auteur du document de recherche. L'exposition peut entraîner une irritation de la gorge, difficulté à respirer, asthme, même des dommages respiratoires. Certaines personnes sont particulièrement sensibles, y compris les très jeunes, les personnes âgées et les malades chroniques.

Les niveaux d'ozone sont devenus une partie fréquente des bulletins météorologiques quotidiens. Mais contrairement aux prévisions météorologiques, qui peut être raisonnablement précis jusqu'à 14 jours à l'avance, les niveaux d'ozone n'ont été prédits que deux ou trois jours à l'avance, jusqu'à cette percée.

La grande amélioration des prévisions n'est qu'une partie de l'histoire de cette nouvelle recherche. L'autre est la façon dont l'équipe a réussi. La prévision conventionnelle utilise un modèle numérique, ce qui signifie que la recherche est basée sur des équations pour le mouvement des gaz et des fluides dans l'atmosphère.

Les limites étaient évidentes pour Choi et son équipe. Le processus numérique est lent, rendre les résultats coûteux à obtenir, et la précision est limitée. "La précision avec le modèle numérique commence à baisser après les trois premiers jours, " dit Choi.

L'équipe de recherche a utilisé une fonction de perte unique pour développer l'algorithme d'apprentissage automatique. Une fonction de perte aide à l'optimisation du modèle d'IA en mappant la décision à leurs coûts associés. Dans ce projet, les chercheurs ont utilisé l'indice d'accord, connu sous le nom d'IOA, comme fonction de perte pour le modèle AI par rapport aux fonctions de perte conventionnelles. IOA est une comparaison mathématique des écarts entre ce qui est attendu et comment les choses se passent réellement.

En d'autres termes, les membres de l'équipe ont ajouté des données historiques sur l'ozone aux essais au fur et à mesure qu'ils affinaient les réactions du programme. La combinaison du modèle numérique et de l'IOA en tant que fonction de perte a finalement permis à l'algorithme d'IA de prédire avec précision les résultats des conditions d'ozone réelles en reconnaissant ce qui s'est passé auparavant dans des situations similaires. Cela ressemble beaucoup à la façon dont la mémoire humaine est construite.

"Pensez à un jeune garçon qui voit une tasse de thé chaud sur une table et essaie de la toucher par curiosité. Au moment où l'enfant touche la tasse, il se rend compte qu'il est chaud et ne doit pas être touché directement. Grâce à cette expérience, l'enfant a entraîné son esprit, " Sayeed a dit. " Dans un sens très basique, c'est la même chose avec l'IA. Vous fournissez une contribution, l'ordinateur vous donne une sortie. Au fil de nombreuses répétitions et corrections, le processus s'affine au fil du temps, et le programme d'IA en vient à « savoir » comment réagir aux conditions qui ont été présentées auparavant. A un niveau basique, l'intelligence artificielle se développe de la même manière que l'enfant a appris à ne pas être si pressé d'attraper la prochaine tasse de thé chaud."

Dans le laboratoire, l'équipe a utilisé quatre à cinq ans de données sur l'ozone dans ce que Sayeed a décrit comme "un processus évolutif" d'enseignement du système d'IA pour reconnaître les conditions d'ozone et estimer les prévisions, s'améliore avec le temps.

« Appliquer un apprentissage approfondi à la qualité de l'air et aux prévisions météorologiques, c'est comme chercher le Saint Graal, comme dans les films, " dit Choi, qui est un grand fan d'intrigues d'action. "Dans le laboratoire, nous avons traversé des moments difficiles pendant quelques années. Il y a un processus. Finalement, nous avons saisi le Saint Graal. Ce système fonctionne. Le modèle d'IA « comprend » comment prévoir. Malgré les années de travail, ça me semble encore être une surprise, même aujourd'hui."

Avant que le succès en laboratoire puisse conduire à un service dans le monde réel, de nombreuses étapes commerciales sont à venir avant que le monde puisse bénéficier de la découverte.

« Si vous connaissez l'avenir – la qualité de l'air dans ce cas – vous pouvez faire beaucoup de choses pour la communauté. Cela peut être très critique pour cette planète. Qui sait ? Peut-être pouvons-nous trouver un moyen de résoudre le problème du changement climatique. l'avenir peut aller au-delà des prévisions météorologiques et de la prévision de l'ozone. Cela pourrait contribuer à sécuriser la planète, " dit Choi.

Cela ressemble à une fin heureuse pour toute bonne histoire d'action.