Startseite > Smarter World > Algorithmus hängt bei PC-Wettervorhersage Großrechner ab

Schlag den Supercomputer

Algorithmus hängt bei PC-Wettervorhersage Großrechner ab

7. Februar 2020, 14:24 Uhr | Hagen Lang

Fehler bei der Temperaturvorhersage sinken mit SPA deutlich gegenüber anderen Verfahren

Ein Forscherteam aus Mainz und Lugano hat einen Algorithmus entwickelt, der laut dessen Angaben z.B. bei Wettervorhersagen schon auf einem PC die Leistung von Großrechenanlagen in den Schatten stellt und sich für viele Anwendungen eignet.

„Viele maschinelle Lernverfahren, wie zum Beispiel das sehr populäre Deep Learning sind zwar sehr erfolgreich, funktionieren aber wie eine Blackbox, bei der man eigentlich nicht genau weiß, was vor sich geht. Wir wollten begreifen, wie künstliche Intelligenz funktioniert und ein besseres Verständnis für die Zusammenhänge bekommen“, erklärt Prof. Dr. Susanne Gerber, Bioinformatikerin an der der Johannes Gutenberg-Universität Mainz (JGU).

Zusammen mit Prof. Dr. Illia Horenko, Computerexperte an der Università della Svizzera italiana (Lugano) und Mercator Fellow an der FU Berlin, hat sie an einer Methode gearbeitet, die mit geringen Kosten und hoher Zuverlässigkeit komplexe Berechnungen vornehmen kann. „Aufgaben, die bisher einen Superrechner erforderten, können wir mit dieser Methode in Zukunft auf einem normalen PC lösen“, sagt Illia Horenko. Zu den zahlreichen Anwendungsmöglichkeiten gehören außer Wetterprognosen etwa auch Klassifizierungsprobleme in der Bioinformatik, der Bildanalyse und der medizinischen Diagnostik.

Das in langjähriger Arbeit entwickelte Verfahren orientiert sich am „Lego-Prinzip“: Komplexes wird in einzelne Zustände oder Muster zerlegt, von denen bereits drei oder vier Dutzend reichen, um umfangreiche Datenmengen zu analysieren und Entwicklungen vorherzusagen.

„Zum Beispiel können wir mit dem SPA-Algorithmus eine datengestützte Vorhersage für den kommenden Tag über die Oberflächentemperaturen in Europa machen und zwar mit einem Vorhersagefehler von nur 0,75 Grad Celsius“, so Susanne Gerber. Das Ganze funktioniert auf einem gewöhnlichen PC und sei hinsichtlich der Fehlerquote um 40 Prozent besser und wesentlich billiger als mit den üblichen Computeranlagen, die die Wetterdienste verwenden.

Die mathematisch begründete Methode „Scalable Probabilistic Approximation“ (SPA) bzw. „Skalierbare Wahrscheinlichkeits-Approximation“ eignet sich für verschiedene Fragestellungen, bei denen große Datenmengen automatisiert verarbeitet werden müssen, z.B. bei der Sortierung und Klassifizierung einer großen Anzahl von Zellen in der Biologie.

„Besonders schön an dem Ergebnis ist, dass wir anschließend ein Verständnis bekommen, nach welchen Merkmalen die Zellen sortiert wurden“, so Gerber. Weitere mögliche Anwendungsbereiche sind die Neurowissenschaften: Anhand von automatisierten EEG-Signalmessungen können Aussagen über den Zustand des Gehirns gemacht werden. Aber auch Mammografie-Aufnahmen in der Brustkrebsdiagnostik können analysiert werden, um die Ergebnisse einer etwaigen Biopsie vorherzusagen.

Ihre Forschungsergebnisse haben Gerber und Horenko mit ihren Co-Autoren in dem Artikel „Low-cost scalable discretization, prediction, and feature selection for complex systems“ in der Zeitschrift Science Advances publiziert.