ECMWF AIFS

Dalla fisica all'apprendimento

Per settant'anni, fare una previsione meteorologica ha voluto dire risolvere le equazioni della fisica dei fluidi su un supercalcolatore. Nel 2022 tre preprint venuti da fuori dei servizi meteorologici hanno scosso questa idea: FourCastNet di NVIDIA a febbraio, Pangu-Weather di Huawei a novembre e GraphCast di Google DeepMind a dicembre. Tutti e tre erano reti neurali addestrate su ERA5, la rianalisi del tempo passato prodotta dallo stesso ECMWF, e tutti e tre affermavano di rivaleggiare con l'IFS, il modello fisico dell'ECMWF, su molti punteggi per una minima frazione del suo costo di calcolo.

L'ECMWF ha risposto facendo girare questi modelli esterni in tempo reale a partire dalle proprie analisi, e costruendone uno suo: l'Artificial Intelligence Forecasting System, AIFS. Una prima versione ha girato in modalità sperimentale da ottobre 2023 a circa 1°; nel febbraio 2024 è passata a circa 0,25° e all'architettura basata su transformer che usa ancora. È costruito su Anemoi, un framework open source che l'ECMWF e diversi servizi meteorologici nazionali europei hanno lanciato nel 2024 per addestrare modelli di questo tipo sui propri dati.

AIFS Single v1, la versione deterministica (una previsione per emissione), è diventata operativa il 25 febbraio 2025, affiancando l'IFS anziché sostituirlo. L'ECMWF ha riportato miglioramenti fino al 20% rispetto ai modelli fisici su alcune misure, tra cui le traiettorie dei cicloni tropicali, con circa 1.000 volte meno energia per previsione. La versione 1.1 è seguita il 27 agosto 2025, soprattutto per eliminare macchie spurie di pioggia dovute a un legame non fisico che la rete aveva appreso tra umidità del suolo e precipitazioni. Una versione d'ensemble, AIFS ENS, è diventata operativa il 1º luglio 2025.

AIFS Single v2 è entrata in servizio il 12 maggio 2026, insieme al ciclo 50r1 dell'IFS. La sua architettura è invariata, ma è stata affinata su altri due anni di analisi recenti, ha guadagnato un livello a 10 hPa nella stratosfera e, per la prima volta all'ECMWF, prevede le onde e il manto nevoso con una rete invece che con un modello fisico. Lo stesso giorno l'ECMWF ha smesso di far girare i modelli sperimentali esterni, di cui il suo AIFS aveva ormai preso il posto.

Una rete che ha imparato l'atmosfera

L'AIFS non risolve alcuna equazione. Ha imparato, da decenni di stati passati dell'atmosfera, come uno stato si trasforma in quello di sei ore dopo. Dati lo stato attuale e quello di sei ore prima, prevede lo stato di sei ore dopo; poi reimmette la propria previsione e ripete, passo dopo passo, fino a 15 giorni. Questo concatenamento si chiama autoregressione, e ogni errore commesso all'inizio si trascina nei passi successivi.

La rete ha tre parti. Un codificatore, una rete neurale su grafo con attenzione (un meccanismo che permette a ogni punto di pesare ciò che gli dicono i vicini), raccoglie i 542.080 punti della griglia N320, distanti circa 31 km, su una griglia nascosta più grossolana di circa 40.000 punti. Un processore, un transformer la cui attenzione opera su finestre scorrevoli di quella griglia nascosta, fa avanzare l'atmosfera di sei ore; la descrizione pubblicata gli attribuisce 16 strati. Un decodificatore, un'altra rete su grafo, riporta il risultato sulla griglia a 31 km.

Ciò che entra ed esce è un'immagine compatta dell'atmosfera: geopotenziale, temperatura, vento e umidità su 14 livelli di pressione da 1000 a 10 hPa, più campi di superficie come il vento a 10 m, la temperatura a 2 m, la pressione al livello del mare, l'acqua totale in colonna e la temperatura e l'umidità di due strati di suolo. Alcune uscite sono solo previste, mai reimmesse: le precipitazioni, il vento a 100 m, la copertura nuvolosa, la radiazione solare e, dalla v2, undici variabili d'onda come l'altezza significativa, il periodo e la direzione.

L'addestramento avviene in due fasi. La rete viene prima pre-addestrata su ERA5 dal 1979 al 2022, poi affinata sulle analisi operative dell'ECMWF (dal 2018 al 2024 per la v2), con diversi passi concatenati perché impari a tenere sotto controllo la propria deriva e ad accordarsi con le analisi più nitide di oggi. Un addestramento ha richiesto circa una settimana su 64 processori grafici. La rete viene valutata su un errore quadratico medio pesato, e questa scelta spiega il suo difetto principale: quando è incerta, l'errore è minimo se prevede la media dei risultati possibili, per cui i suoi campi diventano più lisci con il crescere della scadenza.

Quattro emissioni al giorno, in pochi minuti

L'AIFS non legge osservazioni: nessuna è servita ad addestrarlo, e nessuna entra in un'emissione. Ogni emissione parte dall'analisi di controllo dell'IFS, la migliore stima dello stato attuale dell'atmosfera che l'ECMWF costruisce con il 4D-Var, un metodo che adatta la traiettoria di un modello fisico a milioni di osservazioni da satelliti, aerei, navi, boe e stazioni meteorologiche su una finestra temporale. Questa analisi, fatta su una griglia di circa 9 km, viene riportata sulla griglia a 31 km dell'AIFS. L'AIFS dipende quindi interamente dal sistema fisico e dalla sua rete di osservazioni per il suo punto di partenza.

La previsione vera e propria gira su processori grafici in pochi minuti: la descrizione del sistema del 2024 riporta circa due minuti e mezzo per 10 giorni su un solo processore, laddove l'IFS richiede una parte consistente di un supercalcolatore. Questa velocità è all'origine del risparmio energetico di 1.000 volte citato dall'ECMWF. Le emissioni partono alle 00, 06, 12 e 18 UTC e producono uno stato ogni 6 ore fino a 15 giorni.

L'uscita, calcolata sulla griglia N320, è pubblicata in GRIB2 su una griglia regolare a 0,25° sul server dei dati aperti dell'ECMWF non appena ogni previsione è prodotta, senza il ritardo che si applicava un tempo. È rilasciata con la licenza Creative Commons CC BY 4.0, che consente la ridistribuzione e l'uso commerciale purché l'ECMWF venga citato. Anche i pesi addestrati della rete sono pubblicati, con la stessa licenza, così chiunque disponga di un processore grafico può far girare l'AIFS.

Il suo gemello AIFS ENS esegue 51 previsioni insieme, 50 membri perturbati e un controllo, sulla stessa griglia a 31 km e fino agli stessi 15 giorni. È addestrato con il continuous ranked probability score, un punteggio che premia un insieme di previsioni la cui dispersione corrisponde all'incertezza reale, così i suoi membri restano nitidi invece di confluire in un'unica media liscia. Saily WR usa AIFS Single, non l'ensemble.

Leggerlo in mare

L'AIFS dà il meglio di sé nel quadro a grande scala a diversi giorni di distanza: dove si troveranno le depressioni e gli anticicloni, quando arriverà un fronte, quale direzione prenderà un ciclone tropicale. La valutazione dell'ECMWF ha trovato punteggi in quota migliori di circa il 10% rispetto all'IFS in gran parte della troposfera ed errori di traiettoria dei cicloni tropicali nettamente inferiori. Per una traversata oceanica, dove la scelta di una rotta è soprattutto la scelta di un sistema meteorologico da sfruttare o da evitare, è questa l'informazione che conta.

Il suo punto debole è l'intensità del vento. Poiché ha imparato a minimizzare un errore medio, smussa: i picchi di vento sono attenuati, i gradienti stretti ammorbiditi, e l'effetto cresce con la scadenza. L'ECMWF osserva che l'AIFS produce in media cicloni tropicali meno intensi dell'IFS. In una burrasca, vicino a un ciclone o lungo un fronte netto, consideri la sua velocità del vento probabilmente troppo bassa e tenga per buone la tempistica e la posizione.

A circa 31 km e con uno stato ogni 6 ore, non vede nulla di ciò che accade vicino alla terra: niente brezza di mare, niente accelerazione intorno a un capo, niente zona d'ombra del vento dietro un'isola, niente linea di groppo. Un fronte che passa tra due passi è noto solo da ciò che accade prima e dopo. Per la navigazione costiera o per una decisione che si misura in ore, un modello regionale a maglia fine dice molto di più.

Il suo uso migliore è come secondo parere accanto all'IFS. Entrambi partono esattamente dalla stessa analisi, quindi quando divergono la differenza viene solo dai modelli, il che è un segnale netto che la previsione è incerta. Quando l'AIFS, l'IFS e un modello di un altro centro come il GFS concordano su una rotta, la fiducia è alta; quando solo l'AIFS dissente, verifichi se non stia semplicemente smussando un fenomeno che gli altri mantengono netto.

AIFS in Saily WR

Saily WR scarica ogni nuova emissione di AIFS Single dai dati aperti dell'ECMWF non appena viene pubblicata, quattro volte al giorno, sulla griglia a 0,25°: il vento a 10 m, nelle sue componenti est-ovest e nord-sud, ogni 6 ore fino a 15 giorni. Poiché il modello è globale, ogni rotta ha una sua versione AIFS, ovunque parta e arrivi.

La rotta per isocrone viene navigata con la polare della sua barca in quel vento, interpolato nello spazio tra i punti di griglia e nel tempo tra le scadenze ogni 6 ore. È disegnata accanto alle rotte degli altri modelli che coprono le stesse acque, tra cui l'IFS, così una differenza tra le rotte AIFS e IFS mostra a colpo d'occhio dove le due previsioni divergono. La corrente e l'aggiramento della terra che sceglie si applicano a essa esattamente come alle altre.

Si aspetti una rotta liscia da un vento liscio: la rotta AIFS raramente zigzaga dopo una raffica locale, e con vento forte può essere ottimista su quanto sarà confortevole la traversata. La pagina Dati mostra in tempo reale su quale emissione AIFS si trova l'app e fin dove arriva.