HiRO-ACEv2 ist ein Machine-Learning-Modell, das Extremwetter-Ereignisse wie Hurrikane und Starkregen mit bisher unerreichter räumlicher Auflösung (3 Kilometer) simuliert. Im Vergleich zu konventionellen numerischen Wettermodellen ist der Ansatz deutlich kostengünstiger und schneller – ein bedeutender Fortschritt für Katastrophenprognosen und Klimaforschung. Die Arbeit zeigt, wie KI-basierte Surrogate-Modelle Wissenschaft und Industrie bei rechenintensiven Simulationen helfen können, ohne dabei auf Genauigkeit verzichten zu müssen.
