शोधमॉडल 🇩🇪 09.08.2026 15:01

गूगल डीपमाइंड का वेदरनेक्स्ट चक्रवात ट्रैक और तीव्रता का एक साथ पूर्वानुमान लगाता है

Google/DeepMindGoogle/DeepMind Google DeepMindGoogle DeepMind European Centre for Medium-Range Weather ForecastsEuropean Centre for Medium-Range Weather Forecasts National Oceanic and Atmospheric AdministrationNational Oceanic and Atmospheric Administration
गूगल डीपमाइंड ने वेदरनेक्स्ट साइक्लोन (डब्ल्यूएन-सी) नामक एक एआई प्रणाली पेश की है, जो उष्णकटिबंधीय चक्रवातों के ट्रैक और तीव्रता का पूर्वानुमान विशेषज्ञ मॉडलों की तुलना में अधिक सटीक रूप से लगाती है, और लगभग एक दिन आगे भविष्य देखती है। लगभग 100 गुना मोटे ग्रिड सेल वाले डेटा का उपयोग करने के बावजूद, यह मौजूदा मॉडलों से बेहतर प्रदर्शन करता है। यह दृष्टिकोण फंक्शनल जेनेरेटिव नेटवर्क का उपयोग करता है और इसे नेशनल हरिकेन सेंटर और अन्य साझेदारों के साथ विकसित किया गया है।
गूगल डीपमाइंड का वेदरनेक्स्ट साइक्लोन्स (डब्ल्यूएन-सी) एक एआई सिस्टम है जो उष्णकटिबंधीय चक्रवातों की भविष्यवाणी करता है और प्रमुख परिचालन मॉडलों की तुलना में लगभग एक दिन आगे तक पूर्वानुमान लगा सकता है। राष्ट्रीय तूफान केंद्र (एनएचसी), वायुमंडल अनुसंधान के लिए सहकारी संस्थान और यूके मौसम कार्यालय के साथ विकसित, यह जून 2025 से गूगल के वेदर लैब पर लाइव चल रहा है। पांच दिन के पूर्वानुमान के लिए, औसत स्थिति त्रुटि 230 किलोमीटर है, जबकि ईसीएमडब्ल्यूएफ के एन्सेम्बल (ईएनएस) के लिए 370 और डीपमाइंड के पिछले जेनकास्ट मॉडल के लिए 335 किलोमीटर है। तीन दिन की तीव्रता भविष्यवाणियों के लिए, डब्ल्यूएन-सी एनओएए के एचएएफएस की तुलना में 3.75 नॉट अधिक सटीक है। एक ग्रिड का उपयोग करने के बावजूद जहां प्रत्येक बिंदु लगभग 28 वर्ग किलोमीटर क्षेत्र को कवर करता है, जो विशेष क्षेत्रीय मॉडलों की तुलना में लगभग 100 गुना मोटा है, सिस्टम बेहतर प्रदर्शन करता है, जिससे शोधकर्ताओं ने निष्कर्ष निकाला है कि अत्याधुनिक तीव्रता पूर्वानुमानों के लिए उच्च रिज़ॉल्यूशन सख्त आवश्यक नहीं है। मॉडल प्रसार के बजाय कार्यात्मक जनरेटिव नेटवर्क (एफजीएन) का उपयोग करता है, जिससे यह आठ गुना तेज है। इसे लगभग 20 टेराबाइट वैश्विक वायुमंडलीय डेटा और लगभग 5,000 ऐतिहासिक चक्रवातों के क्यूरेटेड डेटाबेस पर प्रशिक्षित किया गया था। सिस्टम प्रति तूफान 1,000 समानांतर पूर्वानुमान परिदृश्य उत्पन्न कर सकता है, जिससे दुर्लभ चरम घटनाओं को पकड़ने में मदद मिलती है। जबकि डब्ल्यूएन-सी सर्वसम्मति मॉडल के साथ संयुक्त होने पर ट्रैक पूर्वानुमानों में 28% सुधार करता है, यह तीव्रता के लिए केवल लगभग 6% सुधार जोड़ता है, जो दर्शाता है कि शास्त्रीय मॉडल अभी भी महत्वपूर्ण योगदान देते हैं। डीपमाइंड ने वेदरनेक्स्ट 2 और डब्ल्यूएन-सी के कोड और वेट को GitHub पर स्वतंत्र रूप से उपलब्ध कराया है, और एक मिनी संस्करण एक मुफ्त Colab नोटबुक में चल सकता है। हालांकि, लेखक इस बात पर जोर देते हैं कि राष्ट्रीय मौसम सेवाएं आधिकारिक चेतावनियों के लिए आधिकारिक बनी हुई हैं।
स्रोत: The Decoder (DE) — मूल
इस विषय पर हमारी पिछली पोस्ट ↓
ताज़ा समाचार