एनव्हीडियाच्या संशोधन विभागाने अलीकडेच एक एआय हवामान मॉडेल जारी केले आहे ज्यामुळे अल्पकालीन घटनांसाठी प्रादेशिक स्तरावर हवामान अंदाजाची सुधारणा होईल अशी अपेक्षा आहे. या विकासामुळे वायमंडलीय विज्ञानात प्रगत बदलाव सूचित होते, जसे की मशीन लर्निंगने मोठी भूमिका स्वीकारली आहे. एनव्हिडिया संशोधक माइक प्रीचर्डच्या मते, 'एआयने वायूदाबाचे अनुकरण कसे करावे हे क्रांतिकारी बदलले आहे. ' पारंपारिकपणे, भविष्यातील हवामान घटनांसाठी भौतिकशास्त्र समीकरणे सोडवण्यासाठी महाग आणि विशाल सुपरकॉम्प्यूटरची आवश्यकता होती, ज्यामुळे अंदाजांची रिझोल्यूशन आणि प्रमाण कमी होत होते. तथापि, एआयने अशाच परिस्थितींमध्ये तुलनीय किंवा श्रेष्ठ भाकीत क्षमते प्रदर्शित केल्या आहेत. अलीकडील एनव्हीडिया संशोधनाने नवीन मॉडेल सादर केले आहे ज्यामुळे स्थानिक हवामान घटनांचे, जसे की वीजपुरवठ्याचे, किलोमीटर-स्तरात अचूक भाकीत केले जाते. मेरिया मोलिना, मेरीलँड विद्यापीठाच्या, यांनी सांगितलेली माहितीप्रदानाची जलदता हवेचा असून आणखी वारंवारता प्रदान करण्यात मदत करते.

मशीन लर्निंग गणिताचे किफायतशीरता हे अधिक वारंवार अंदाज प्रदान करण्यास सक्षम करते. तसेच, मशीन लर्निंग मॉडेल्स प्रशिक्षित झाल्यानंतर चालवायला जास्त किफायतशीर असतात, ज्यामुळे मर्यादित संसाधने असलेल्या देशांसाठी हवामान भाकीत अधिक प्रवेशयोग्य होते. ही प्रवेशयोग्यता गंभीर हवामान घटनांचे, जसे की derechos आणि चक्रीवादळे, अंदाज लावण्यासाठी अत्यंत महत्त्वपूर्ण आहे, ज्यामुळे जीव वाचू शकतात. तंत्रज्ञ पीटक मिट्रा या प्रगतीला जागतिक स्तरावर अत्यंत अचूक किलोमीटर-स्केल हवामान भाकीत करण्याच्या दिशेने एक पाऊल मानतात, ज्यामुळे आपत्ती प्रतिसाद आणि संसाधन व्यवस्थापन सुधारेल. हे योग्य जागी आणि योग्य वेळी लक्षित मदत कार्यसिद्धिंचा प्रचार करू शकते, इकडे-तिकडे विखुरलेल्या प्रयत्नांपेक्षा. याशिवाय, सुधारणलेल्या वादळ इशारा प्रणाली भविष्यात विविध प्रदेशांना फायदेशीर असतील.