Één van de grote voordelen van de opkomst van AI-weermodellen is dat er geen grote supercomputer meer nodig is om een output te genereren. Sterker nog, het is me gisteren gelukt om het op een normale laptop een output van het AI-model PanguWeather te berekenen. Daarvoor heb je alleen de training weights – het onderliggende algoritme voor het model – nodig die vrij eenvoudig te installeren zijn, evenals een initiële conditie. Welke initialisatie je gebruikt maakt niet uit, je kan de meest recente analyses gebruiken, maar ook heranalyse data van bijvoorbeeld ERA5 sinds 1940. En om een indruk te geven van de tijd die mijn normale laptop met CPU erover doet om een output te genereren: het duurt ongeveer 2,5 à 3 minuten per tijdstap van 6 uur. Met een GPU (grafische processor) zou het nog veel sneller moeten gaan.
Ik was wel eens geïnteresseerd wat PanguWeather liet zien voor de jaarwisseling van 1978 – 1979, voor veel Weerwoorders die al wat langer meegaan denk ik toch wel één van de meest indrukwekkende events. Van wat ik heb gehoord was er toen tot op (zeer) korte termijn – zeg een dag of 2 vooruit – nog een grote onzekerheid m.b.t. de inval van de koude lucht. Om te zien wat PanguWeather ervan zou kunnen maken heb ik als initiële waarden de ERA5-heranlayse voor 25 december 1978 (12z) gebruikt, ruim zes dagen voor de jaarwisseling. Daarin zitten alleen observaties die toen beschikbaar waren, al is de assimilatie van de data in de ERA5-dataset natuurlijk wel beter dan de data-assimilatie in de weermodellen toen.
Het resultaat is hieronder te zien, met links de kaarten voor het grootschalige patroon (luchtdruk & geopotentiaal) en rechts de verwachting voor de temperatuur op 2 meter hoogte. De animatie loopt van 6 tot 240 uur vooruit, dus over een totaal van 10 dagen.
