Google DeepMind's WeatherNext voorspelt baan en intensiteit van cyclonen tegelijkertijd
Google/DeepMind
Google DeepMind
European Centre for Medium-Range Weather Forecasts
National Oceanic and Atmospheric Administration
Google DeepMind heeft WeatherNext Cyclones (WN-C) geïntroduceerd, een AI-systeem dat de baan en intensiteit van tropische cyclonen nauwkeuriger voorspelt dan gespecialiseerde modellen, en ongeveer een dag verder in de toekomst kijkt. Ondanks het gebruik van gegevens met celgroottes die ruwweg 100 keer grover zijn, presteert het beter dan bestaande modellen. De aanpak maakt gebruik van Functionele Generatieve Netwerken en is ontwikkeld in samenwerking met het National Hurricane Center en andere partners.
Google DeepMind's WeatherNext Cyclones (WN-C) is een AI-systeem voor het voorspellen van tropische cyclonen dat ongeveer een dag verder vooruit kan voorspellen dan toonaangevende operationele modellen. Het is ontwikkeld samen met het National Hurricane Center (NHC), het Cooperative Institute for Research in the Atmosphere en het Britse Met Office, en draait sinds juni 2025 live op Google's Weather Lab. Voor een vijfdaagse voorspelling is de gemiddelde positiefout 230 kilometer, vergeleken met 370 voor het ensemble (ENS) van het Europees Centrum voor Weersverwachtingen op middellange termijn (ECMWF) en 335 voor DeepMind's eerdere GenCast-model. Voor driejaarlijkse intensiteitsvoorspellingen is WN-C 3,75 knopen nauwkeuriger dan NOAA's HAFS. Ondanks het gebruik van een grid waar elk punt ongeveer 28 vierkante kilometer beslaat, ruwweg 100 keer grover dan gespecialiseerde regionale modellen, presteert het systeem beter, wat onderzoekers tot de conclusie leidt dat hoge resolutie niet strikt noodzakelijk is voor state-of-the-art intensiteitsvoorspellingen. Het model gebruikt Functional Generative Networks (FGN) in plaats van diffusie, waardoor het acht keer sneller is. Het is getraind op bijna 20 terabytes aan wereldwijde atmosferische gegevens en een samengestelde database van ongeveer 5.000 historische cyclonen. Het systeem kan 1.000 parallelle voorspellingsscenario's per storm genereren, wat helpt om zeldzame extreme gebeurtenissen vast te leggen. Hoewel WN-C de baansvoorspellingen met 28% verbetert wanneer het wordt gecombineerd met consensusmodellen, levert het slechts een verbetering van ongeveer 6% op voor intensiteit, wat aangeeft dat klassieke modellen nog steeds significant bijdragen. DeepMind heeft de code en gewichten voor WeatherNext 2 en WN-C vrij beschikbaar gesteld op GitHub, en een mini-versie kan draaien in een gratis Colab-notebook. De auteurs benadrukken echter dat nationale weerdiensten gezaghebbend blijven voor officiële waarschuwingen.
Bron: The Decoder (DE) —
origineel
