Googlen DeepMindin WeatherNext ennustaa syklonin reitin ja voimakkuuden samanaikaisesti
Google/DeepMind
Google DeepMind
European Centre for Medium-Range Weather Forecasts
National Oceanic and Atmospheric Administration
Google DeepMind on esitellyt WeatherNext Cyclones (WN-C) -järjestelmän, tekoälypohjaisen ratkaisun, joka ennustaa trooppisten syklonien reitit ja voimakkuudet tarkemmin kuin erikoistuneet mallit, ulottuen noin vuorokauden pidemmälle tulevaisuuteen. Huolimatta siitä, että se käyttää dataa, jonka ruudukot ovat noin 100 kertaa karkeampia, se ylittää olemassa olevat mallit. Menetelmä hyödyntää funktionaalisia generatiivisia verkkoja, ja se on kehitetty yhteistyössä National Hurricane Centerin ja muiden kumppaneiden kanssa.
Googlen DeepMindin WeatherNext Cyclones (WN-C) on tekoälyjärjestelmä trooppisten hirmumyrskyjen ennustamiseen, joka pystyy ennustamaan noin vuorokauden pidemmälle kuin johtavat operatiiviset mallit. Se on kehitetty yhteistyössä National Hurricane Centerin (NHC), ilmakehän tutkimuksen yhteistyöinstituutin ja Britannian ilmatieteen laitoksen kanssa, ja se on ollut toiminnassa reaaliajassa Googlen Weather Labissa kesäkuusta 2025 lähtien. Viiden päivän ennusteessa keskimääräinen sijaintivirhe on 230 kilometriä, kun taas Euroopan keskipitkien ennusteiden keskuksen (ECMWF) ensemble-mallilla (ENS) vastaava luku on 370 kilometriä ja DeepMindin aiemmalla GenCast-mallilla 335 kilometriä. Kolmen päivän voimakkuusennusteissa WN-C on 3,75 solmua tarkempi kuin NOAA:n HAFS-malli. Huolimatta siitä, että malli käyttää hila-asteikkoa, jossa jokainen piste kattaa noin 28 neliökilometriä, mikä on noin 100 kertaa karkeampi kuin erikoistuneissa alueellisissa malleissa, järjestelmä toimii paremmin, mikä saa tutkijat päättelemään, että huipputarkkuuden voimakkuusennusteet eivät välttämättä vaadi korkeaa resoluutiota. Malli käyttää toiminnallisia generatiivisia verkkoja (FGN) diffuusion sijaan, mikä tekee siitä kahdeksan kertaa nopeamman. Se on koulutettu lähes 20 teratavulla maailmanlaajuisesta ilmakehän datasta ja kuratoidusta tietokannasta, joka sisältää noin 5 000 historiallista hirmumyrskyä. Järjestelmä voi tuottaa 1 000 rinnakkaista ennusteskenaariota myrskyä kohden, mikä auttaa tunnistamaan harvinaisia ääritapahtumia. Vaikka WN-C parantaa reittiennusteita 28 prosenttia yhdistettynä konsensusmalleihin, se tuo vain noin 6 prosentin parannuksen voimakkuusennusteisiin, mikä viittaa siihen, että perinteiset mallit ovat edelleen merkittävässä roolissa. DeepMind on julkaissut WeatherNext 2:n ja WN-C:n koodin ja painot vapaasti GitHubissa, ja pienoisversio voi toimia ilmaisessa Colab-muistikirjassa. Kirjoittajat korostavat kuitenkin, että kansalliset sääpalvelut ovat edelleen virallisten varoitusten auktoriteetteja.
Lähde: The Decoder (DE) —
Alkuperäinen