Un team del Massachusetts Institute of Technology (Mit) ha messo a punto una tecnica basata sull’apprendimento automatico capace di estendere l’affidabilità delle previsioni meteorologiche fino a sei settimane.
Lo studio, pubblicato su Nature, descrive un modello progettato per correggere gli errori dei sistemi di previsione esistenti. Applicato a un sistema di riferimento, il nuovo algoritmo ha raddoppiato la precisione delle previsioni nell’intervallo compreso tra due e sei settimane.
Secondo i ricercatori, il metodo non si limita a migliorare le medie stagionali: mostra un progresso statisticamente significativo anche nella capacità di prevedere eventi meteorologici estremi, come inondazioni o ondate di freddo. Judah Cohen, coautore e ricercatore del Mit, ha sottolineato l’importanza di prevedere sia le condizioni medie sia gli eventi estremi, definendone l’impatto sociale particolarmente rilevante.
Per costruire il modello il team ha utilizzato il cluster di supercalcolo Mit Engaging, gestito dall’Office of Research Computing and Data del Mit. I ricercatori precisano però che il modello risultante non necessita di un supercomputer per funzionare in futuro.
Per valutare le prestazioni il gruppo ha collaborato con il Centro europeo per le previsioni meteorologiche a medio termine (Ecmwf), ritenuto il miglior centro di previsioni al mondo. In una competizione stagionale di previsioni indetta dall’ente, nel 2025 il modello del Mit si è distinto per capacità predittive importanti, ottenendo per la prima volta un miglioramento rispetto all’uso delle medie climatologiche.
Gli autori dello studio evidenziano come previsioni più affidabili nell’intervallo sub-stagionale possano risultare utili per agricoltori e operatori del settore energetico, impegnati a bilanciare domanda e offerta.
