L'IA face aux grands problèmes du monde · Sciences de la Terre et du climat · arXiv · 2026-10-21
Apprendre l'hydrodynamique des systèmes fluviaux mondiaux avec un modèle de fondation informé par la topologie
Titre original: Learning global river system hydrodynamics with a topology-informed foundation model
La prédiction fluviale précise est essentielle pour la sécurité de l'eau, de l'alimentation et de l'énergie, mais l'étendre de manière fiable depuis des stations de mesure in situ clairsemées jusqu'à l'ensemble du réseau hydrographique reste un défi non résolu. GraphRiverCast (GRC) est un modèle de fondation fluvial informé par la topologie, qui exploite la connectivité et l'énergétique des rivières, est entraîné sur des stations clairsemées et prédit quotidiennement une hydrodynamique multivariée au niveau des tronçons sur l'ensemble du réseau fluvial mondial sans conditions fluviales préalables, surpassant de solides modèles basés sur la physique et sur l'apprentissage automatique. Comme il reconstruit les états de la rivière à partir de la topologie et du forçage plutôt que de s'appuyer sur une récurrence temporelle, sa performance décroît à peine avec le délai de prévision, même bien au-delà de son horizon d'entraînement, et il se généralise aux tronçons non jaugés et aux réseaux à plus fine résolution, apportant une prédiction hydrodynamique fiable aux régions peu surveillées.