# Ai2 lança três checkpoints de pesquisa climática ACE2.5-ERA5

Published 2026-11-21 · AI.info Team · AI.info

> A Ai2 publicou no Hugging Face três configurações de seu emulador atmosférico ACE2.5-ERA5. Os modelos de pesquisa não se destinam a previsões climáticas operacionais.

Três configurações do emulador atmosférico ACE2.5-ERA5 da Ai2 já estão disponíveis no Hugging Face, com versões diárias e de seis em seis horas treinadas com dados do ERA5. O lançamento do repositório em 19 de novembro é voltado à pesquisa, e a Ai2 alerta que os modelos ACE não devem ser usados para previsões climáticas operacionais.

Fonte [huggingface.co](https://huggingface.co/allenai/ACE2.5-ERA5)

O modelo foi projetado para simular a variabilidade atmosférica em períodos que vão de dias a séculos. Ele sucede o ACE2-ERA5 e usa uma abordagem estocástica para produzir previsões em ensemble.

## Três configurações

O modelo diário principal opera com resolução de 1 grau e tem 46 milhões de parâmetros. Uma segunda versão diária tem resolução de 4 graus e 14 milhões de parâmetros; a Ai2 afirma que ela apresenta desempenho climático comparável na resolução-alvo, uma taxa de processamento cinco vezes maior e um custo de treinamento equivalente a um décimo do custo original.

Uma terceira configuração usa um intervalo de seis horas e resolução de 1 grau, com 46 milhões de parâmetros. A Ai2 descreve seu desempenho em previsões meteorológicas de curto prazo como competitivo e a dispersão de seu ensemble como calibrada.

Cada configuração é lançada com a semente 0. Os modelos diários também têm as sementes 1 a 3 em um diretório separado, e a Ai2 afirma que o desempenho climático é consistente entre essas sementes. O repositório também contém checkpoints de modelos de ablação para reproduzir figuras do artigo, além de documentação sobre a procedência dos checkpoints.

## O que mudou em relação ao ACE2

A Ai2 afirma que o gargalo espectral reduz a quantidade de parâmetros de 456 milhões no ACE2-ERA5 para 46 milhões. Segundo a empresa, o intervalo diário e o gargalo, em conjunto, tornam a inferência 3,2 vezes mais rápida que no modelo anterior.

Quanto à estrutura da precipitação, o cartão do modelo informa que o ACE2.5-ERA5 retém 86% da potência espectral do ERA5 nos números de onda de 100–179, em comparação com 36% no ACE2-ERA5. A Ai2 afirma que a dispersão do ensemble do modelo corresponde ao erro com uma diferença de até 4% a partir do terceiro dia.

Entre os pontos fortes relatados estão a resposta atmosférica ao aquecimento provocado pela combinação de forçamento da temperatura da superfície do mar e do dióxido de carbono no período de 1940–2020, e a resposta à variabilidade da temperatura da superfície do mar associada ao El Niño. O cartão também descreve como realista a distribuição geográfica dos ciclones tropicais no modelo de seis em seis horas e relata uma variabilidade precisa da Oscilação Madden-Julian.

## Limites e dados

Segundo a Ai2, o desempenho do modelo diário em previsões meteorológicas de médio prazo fica abaixo do ACE2-ERA5, enquanto a versão de seis em seis horas iguala o modelo anterior. As sensibilidades individuais do modelo à temperatura da superfície do mar e ao dióxido de carbono não são inteiramente realistas, e a variabilidade interanual da temperatura média global da superfície não é calibrada.

A Ai2 não espera que o modelo generalize com precisão para grandes perturbações, como a duplicação do dióxido de carbono. A empresa inclui entre os pontos fortes do modelo a conservação exata da massa global de ar seco e da umidade.

Os dados de treinamento estão disponíveis em um bucket de armazenamento do Hugging Face, com versões do ERA5 regradeadas para 1 e 4 graus, de 1940 a 2025, em intervalos diários e de seis horas. O bucket também contém estatísticas de normalização e dados climatológicos de forçamento; os conjuntos de dados incluem campos de temperatura, água e vento em oito níveis de pressão, além de campos de superfície e de diagnóstico.

Para executar a inferência, o cartão do modelo instrui os usuários a baixar um checkpoint, instalar as dependências do *fme* e preparar uma configuração que especifique o checkpoint, a condição inicial e os dados de forçamento.

## Fontes

1. Fonte original [Ai2 · página 1](https://huggingface.co/allenai/ACE2.5-ERA5) huggingface.co

Outras páginas lidas

2. [Ai2 · página 2](https://huggingface.co/allenai/ACE2.5-ERA5/commits/main) huggingface.co
3. [Ai2 · Ace2.5 ERA5 reference data](https://huggingface.co/buckets/allenai/ACE2.5-ERA5-reference-data) huggingface.co
4. [The Deploy Log](https://deployedbyai.com/log/lane/models_apis/) deployedbyai.com

## Notícias relacionadas

- [Rascunho de prova de Riemann escrito por humanos atrai questionamentos com ajuda de IA](https://ai.info/pt/news/human-riemann-proof-draft-ai-assisted-challenges)
- [LangChain descreve uma fábrica de conhecimento para manter agentes de IA atualizados](https://ai.info/pt/news/langchain-knowledge-factory-ai-agents)
- [LLMs reconhecem pedidos de má conduta, mas muitas vezes ajudam, aponta preprint](https://ai.info/pt/news/llms-research-misconduct-recognition-refusal-study)
- [Matemáticos debatem a qualidade das provas após a “matemocalipse” da IA](https://ai.info/pt/news/mathematicians-debate-ai-mathocalypse-mit-panel)
- [NVIDIA lança modelos de linguagem de difusão Sigma em dois tamanhos](https://ai.info/pt/news/nvidia-nemotron-labs-sigma-continuous-diffusion-models)

## Explore

[Mais artigos](https://ai.info/pt/news)

---

Canonical: https://ai.info/pt/news/ai2-ace25-era5-climate-emulator-checkpoints
