연구모델 🇩🇪 09.08.2026 15:01

Google DeepMind의 WeatherNext, 사이클론 경로와 강도를 동시에 예측

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
Google DeepMind는 WeatherNext Cyclones (WN-C)라는 AI 시스템을 도입했습니다. 이 시스템은 특수 모델보다 더 정확하게 열대성 사이클론의 경로와 강도를 예측하며, 약 하루 더 미래를 내다봅니다. 대략 100배 더 거친 격자 셀 데이터를 사용함에도 불구하고 기존 모델을 능가합니다. 이 접근 방식은 Functional Generative Networks를 사용하며, National Hurricane Center 및 다른 파트너와 공동 개발되었습니다.
Google DeepMind의 WeatherNext Cyclones(WN-C)는 열대 저기압 예측을 위한 AI 시스템으로, 주요 운영 모델보다 약 하루 더 앞선 예보를 제공할 수 있습니다. 국립 허리케인 센터(NHC), 대기 연구 협력 연구소, 영국 기상청과 공동 개발되었으며, 2025년 6월부터 Google의 Weather Lab에서 실시간으로 운영되고 있습니다. 5일 예보의 경우 평균 위치 오차는 230km로, ECMWF의 앙상블 모델(ENS)의 370km, DeepMind의 이전 GenCast 모델의 335km보다 우수합니다. 3일 강도 예측의 경우 WN-C는 NOAA의 HAFS보다 3.75노트 더 정확합니다. 각 지점이 약 28제곱킬로미터를 덮는 격자를 사용함에도 불구하고, 이는 전문 지역 모델보다 약 100배 더 거친 해상도인데도 시스템의 성능이 더 뛰어나, 연구자들은 최첨단 강도 예보에 고해상도가 반드시 필요한 것은 아니라는 결론을 내렸습니다. 이 모델은 확산(diffusion) 대신 기능적 생성 네트워크(FGN)를 사용하여 8배 더 빠릅니다. 약 20테라바이트의 전 지구 대기 데이터와 약 5,000개의 역사적 사이클론에 대한 선별된 데이터베이스로 훈련되었습니다. 이 시스템은 폭풍당 1,000개의 병렬 예측 시나리오를 생성하여 드문 극한 사건을 포착하는 데 도움을 줍니다. WN-C는 합의 모델과 결합했을 때 경로 예보를 28% 개선하지만, 강도 예보에서는 약 6% 개선에 그쳐, 기존의 고전적 모델이 여전히 크게 기여하고 있음을 시사합니다. DeepMind는 WeatherNext 2와 WN-C의 코드와 가중치를 GitHub에 무료로 공개했으며, 미니 버전은 무료 Colab 노트북에서 실행할 수 있습니다. 그러나 저자들은 공식 경보는 여전히 국가 기상청이 권위를 가진다고 강조합니다.
출처: The Decoder (DE) — 원문
관련 게시물 ↓
새로운 뉴스