L'IA face aux grands problèmes du monde · Sciences de la Terre et du climat · arXiv · 2026-10-20
AirMPA : un adaptateur météorologie-pollution pour la prévision mondiale de la qualité de l'air
Titre original: AirMPA: A Meteorology-to-Pollution Adapter for Global Air Quality Forecasting
Des prévisions précises en temps réel des polluants atmosphériques contribuent à réduire les risques sanitaires, mais les systèmes numériques traditionnels sont coûteux en calcul et les modèles d'apprentissage profond existants mélangent souvent variables météorologiques et variables de polluants. Les auteurs proposent AirMPA, un modèle autorégressif découplé qui prédit 13 polluants à une résolution de 0,4° et de 12 heures à partir de champs météorologiques, d'a priori d'émissions et de concentrations passées. Sur un horizon de 5 jours, il surpasse systématiquement Aurora et dépasse CAMS dans environ 90 % des cas polluant-échéance.