3 min de lectureActualités de l'entreprise

TempoQuest dans HPCwire : pourquoi les modèles météorologiques passent aux GPU

HPCwire a consacré un portrait à TempoQuest en avril 2023. Voici notre propre présentation du sujet : pourquoi les modèles météorologiques passent aux GPU, ce qui a été mesuré depuis, et ce que TempoQuest propose aujourd'hui.

Un ouragan vu depuis l'orbite sous un angle rasant : ses bandes nuageuses en spirale remplissent l'image, avec la courbure de la Terre et le noir de l'espace en arrière-plan.

Première publication le 18 avril 2023 · Mis à jour le 16 novembre 2026

Les équipes de prévision réclament sans cesse des grilles plus fines et des simulations plus fréquentes, et les clusters CPU pour lesquels les modèles météorologiques ont été écrits coûtent cher à agrandir. Les GPU conviennent bien à l'arithmétique hautement parallèle d'un modèle météorologique, mais un code construit au fil des décennies ne s'y exécute pas sans un sérieux remaniement. En avril 2023, HPCwire a décrit la part de TempoQuest dans cette évolution, dans un article intitulé Meet TempoQuest, a Startup Bringing Weather Code Into the Accelerated Era. Voici notre propre présentation du même sujet, et de ce qui a changé depuis. Pour le reportage d'origine, lisez HPCwire.

Ce que couvrait le portrait

HPCwire a interrogé le directeur des opérations (COO) de TempoQuest. Le portrait exposait le problème sur lequel travaille TempoQuest. WRF, le modèle Weather Research and Forecasting maintenu par le NCAR, est utilisé dans le monde entier pour la prévision régionale, et il a été écrit pour les CPU. Les utilisateurs commerciaux de secteurs comme les énergies renouvelables, l'agriculture, l'aviation et la logistique veulent des prévisions plus fines et plus locales que celles des modèles publics. Comme il l'a dit à HPCwire : « Ce dont ils ont besoin, ce sont des prévisions à très, très haute résolution, précises et hyperlocales. »

Les chiffres de performance du portrait reflètent la situation de début 2023. Les mesures publiées depuis, avec leurs sources, figurent ci-dessous.

Pourquoi porter un modèle météorologique sur GPU est difficile

Un modèle météorologique est moins un programme unique qu'une collection de programmes. Un cœur dynamique déplace l'air sur la grille. Des schémas physiques distincts traitent les nuages, la pluie, le rayonnement, la turbulence et la surface continentale, et le prévisionniste en choisit une combinaison dans un fichier de configuration appelé namelist. Ces schémas ont été écrits et ajustés par différents scientifiques au fil de nombreuses années.

Deux conséquences en découlent. D'abord, c'est toute la chaîne choisie par le prévisionniste qui doit bien s'exécuter sur GPU, et pas seulement son élément le plus lourd. Ensuite, les résultats doivent rester scientifiquement équivalents à ceux du modèle sur CPU, sans quoi le prévisionniste n'a aucune raison de s'y fier.

Pour un acheteur, le test pratique est simple. Votre configuration WRF existante fonctionne-t-elle, avec les mêmes entrées et les mêmes sorties, et en combien de temps ? AceCAST est conçu pour ce test. Il conserve le flux de travail WRF, avec des entrées, des namelists et des sorties compatibles WRF, et il fonctionne sur des systèmes Linux équipés de GPU NVIDIA, sur site ou dans le cloud.

Ce qui a été mesuré depuis

Plus tard le même mois, le 28 avril 2023, Microsoft et TempoQuest ont publié un benchmark sur le NVIDIA Technical Blog. Il a été réalisé sur Microsoft Azure avec deux versions antérieures d'AceCAST. Côté GPU, il s'agissait d'une machine virtuelle dotée de 8 GPU NVIDIA A100. Côté CPU, de machines virtuelles de 120 cœurs AMD EPYC Milan-X chacune.

Voyez le benchmark et l'exemple de coût pour le détail des différentes versions et configurations.

Par ailleurs, Veer Renewables a publié une validation d'AceCAST. Elle indiquait qu'AceCAST atteignait environ cinq fois la vitesse des simulations WRF sur CPU, avec seulement des écarts minimes entre WRF et AceCAST.

Tous ces chiffres décrivent des versions antérieures, sur un matériel et des cas de test particuliers. La vitesse dépend du domaine, des options physiques et de la machine, et l'exemple de coût utilise des prix catalogue relevés en novembre 2026. Notre article sur le benchmark Azure passe ces chiffres en revue.

TempoQuest aujourd'hui

TempoQuest est basée à Las Vegas, dans le Nevada. Elle a quatre produits.

  • AceCAST exécute WRF sur GPU NVIDIA. Il sert à la planification éolienne et solaire, à l'exploitation de modèles régionaux, aux études de scénarios en recherche et aux produits de données en aval.
  • Aerava, anciennement AceCAST Cloud, est une plateforme d'intelligence météo. Vous épinglez un site, vous choisissez une prévision, et Aerava exécute un modèle numérique de prévision du temps pour cet endroit et compare le résultat aux seuils d'orage, de vent et de coupure des éoliennes que vous avez définis.
  • L'offre Données météo sur mesure livre des sorties de modèle à haute résolution propres à chaque projet, ainsi que des jeux de données dérivés, pour l'entraînement d'IA, l'analyse des risques, la planification et l'exploitation.
  • WSV3 est la plateforme propriétaire de visualisation météo de TempoQuest pour le radar en direct, l'imagerie satellite GOES-R, la foudre, les avertissements et les données de prévision, avec cartographie SIG et suivi des orages.

AceCAST 5 est disponible dès maintenant. MPAS régional sur GPU sera bientôt disponible.

Que faire ensuite

Découvrez AceCAST, ou demandez un essai.

Votre prévision

Vous avez votre propre question de prévision ?

Dites-nous à quelle décision elle doit servir. Un court formulaire suffit pour joindre l'équipe, et nous examinons chaque demande.