Google DeepMind'ın WeatherNext'i Kasırga Rotasını ve Şiddetini Aynı Anda Tahmin Ediyor
Google/DeepMind
Google DeepMind
European Centre for Medium-Range Weather Forecasts
National Oceanic and Atmospheric Administration
Google DeepMind, tropikal kasırga rotalarını ve şiddetlerini uzman modellerden daha doğru tahmin eden ve geleceğe yaklaşık bir gün daha ileri bakabilen WeatherNext Cyclones (WN-C) adlı bir yapay zeka sistemi tanıttı. Yaklaşık 100 kat daha kaba ızgara hücrelerine sahip veriler kullanmasına rağmen mevcut modellerden daha iyi performans gösteriyor. Yaklaşım, Ulusal Kasırga Merkezi ve diğer ortaklarla birlikte geliştirilen Fonksiyonel Üretken Ağları kullanıyor.
Google DeepMind'in WeatherNext Cyclones (WN-C) sistemi, tropikal siklonları tahmin etmek için geliştirilmiş bir yapay zeka modeli olup, önde gelen operasyonel modellerden yaklaşık bir gün daha ileriyi tahmin edebiliyor. Ulusal Kasırga Merkezi (NHC), Atmosfer Araştırmaları İşbirliği Enstitüsü ve Birleşik Krallık Meteoroloji Ofisi ile birlikte geliştirilen sistem, Haziran 2025'ten bu yana Google'ın Weather Lab'ında canlı olarak çalışıyor. Beş günlük tahminler için ortalama konum hatası 230 kilometre iken, Avrupa Orta Vadeli Hava Tahminleri Merkezi'nin (ECMWF) topluluk tahmin sistemi (ENS) için 370 kilometre ve DeepMind'ın önceki GenCast modeli için 335 kilometre. Üç günlük yoğunluk tahminlerinde WN-C, Ulusal Okyanus ve Atmosfer İdaresi'nin (NOAA) HAFS modelinden 3,75 knot daha doğru. Her bir noktası yaklaşık 28 kilometrekarelik bir alanı kaplayan bir ızgara kullanmasına rağmen — ki bu, özel bölgesel modellerden yaklaşık 100 kat daha kaba bir çözünürlüktür — sistem daha iyi performans gösteriyor ve araştırmacıları, son teknoloji yoğunluk tahminleri için yüksek çözünürlüğün kesinlikle gerekli olmadığı sonucuna götürüyor. Model, difüzyon yerine Fonksiyonel Üretici Ağlar (FGN) kullanıyor ve bu da onu sekiz kat daha hızlı yapıyor. Model, yaklaşık 20 terabayt küresel atmosferik veri ve yaklaşık 5.000 tarihi siklon içeren küratörlü bir veri tabanı üzerinde eğitildi. Sistem, fırtına başına 1.000 paralel tahmin senaryosu üretebiliyor ve bu da nadir görülen aşırı olayların yakalanmasına yardımcı oluyor. WN-C, konsensüs modelleriyle birleştirildiğinde rota tahminlerini %28 oranında iyileştirirken, yoğunluk tahminlerine yalnızca yaklaşık %6 katkı sağlıyor; bu da klasik modellerin hâlâ önemli ölçüde katkı sağladığını gösteriyor. DeepMind, WeatherNext 2 ve WN-C'nin kodunu ve ağırlıklarını GitHub'da ücretsiz olarak yayınladı ve mini bir sürüm, ücretsiz bir Colab not defterinde çalıştırılabiliyor. Ancak yazarlar, resmi uyarılar için ulusal meteoroloji servislerinin yetkili olduğunu vurguluyor.
Kaynak: The Decoder (DE) —
orijinal
