Google DeepMind introducerar AI-modellen WeatherNext 2 för exakta globala väderprognoser
I korthet
Google DeepMind har lanserat WeatherNext 2, som levererar snabbare, högre upplösta och multiscenariebaserade globala väderprognoser för att stödja mer exakta och handlingsbara beslutsfattande.
Google DeepMind, Googles AI-division, har introducerat WeatherNext 2, sitt hittills mest avancerade system för att generera globala väderprognoser med förbättrad noggrannhet och högre upplösning.
WeatherNext 2 kan producera prognoser upp till åtta gånger snabbare, med en tidsmässig upplösning så exakt som en timme, tack vare en ny modell som kan generera hundratals potentiella scenarier. Denna metod har använts för att hjälpa väderorganisationer i beslutsfattande, inklusive experimentella cyklonprognoser.
Systemet görs nu tillgängligt för användare, med prognosdata tillgänglig via Google Earth Engine och BigQuery. Dessutom har ett program för tidig åtkomst lanserats på Google Clouds Vertex AI-plattform för att möjliggöra anpassad modellinferens.
Integreringen av WeatherNext-tekniken har redan förbättrat väderprognoserna i Google Search, Gemini, Pixel Weather och Google Maps Platform Weather API, och under de kommande veckorna kommer den även att stödja väderinformation inom Google Maps.
WeatherNext 2 introducerar AI-drivna funktionella generativa nätverk för bättre väderprognoser
Noggranna väderprognoser kräver att man kan fånga upp hela spektrumet av möjliga utfall, inklusive extrema scenarier som är avgörande för planeringen. WeatherNext 2 kan generera hundratals potentiella väderutfall från ett enda initialt tillstånd, där varje förutsägelse tar under en minut på en enda TPU – en operation som skulle kräva timmar med traditionella fysikbaserade superdatormodeller.
Systemet levererar mycket skickliga prognoser med hög upplösning ner till timmen och överträffar den tidigare WeatherNext-modellen på 99.9 % av variablerna, inklusive temperatur, vind och luftfuktighet, med ledtider på 0 till 15 dagar. Detta möjliggör mer exakta och handlingsbara förutsägelser.
Den förbättrade prestandan uppnås genom en ny AI-modellering en metod som kallas ett funktionellt generativt nätverk (FGN), som introducerar kontrollerat "brus" direkt i modellarkitekturen, vilket säkerställer att prognoserna förblir fysiskt realistiska och internt konsistenta.
Denna metod är särskilt effektiv för att förutsäga både "marginaler" – enskilda väderelement som temperatur på en plats, vindhastighet på en viss höjd eller luftfuktighet – och "leder", vilka är komplexa, sammankopplade system som är beroende av relationerna mellan dessa individuella element. Även om modellen endast tränas på marginaler kan den exakt härleda leder, vilket gör att den kan prognostisera storskaliga mönster, såsom regioner som upplever extrem värme eller den förväntade effektproduktionen från en hel vindkraftspark.
Med WeatherNext 2 tillämpas avancerad forskning på praktiska väderprognoser med stor effekt. Arbetet med att förfina och förbättra tekniken fortsätter samtidigt som de senaste verktygen görs tillgängliga för det globala samfundet.
Framtida arbete inkluderar att utforska ytterligare datakällor och utöka tillgängligheten för att nå fler användare. Genom att tillhandahålla robusta verktyg och öppna data syftar initiativet till att stödja vetenskapliga upptäckter och göra det möjligt för forskare, utvecklare och organisationer över hela världen att fatta välgrundade beslut om komplexa utmaningar och driva innovation för framtiden.
Ansvarsfriskrivning
I linje med den Riktlinjer för Trust Project, vänligen notera att informationen på den här sidan inte är avsedd att vara och inte ska tolkas som juridisk, skattemässig, investerings-, finansiell eller någon annan form av rådgivning. Det är viktigt att bara investera det du har råd att förlora och att söka oberoende finansiell rådgivning om du har några tvivel. För ytterligare information föreslår vi att du hänvisar till villkoren samt hjälp- och supportsidorna som tillhandahålls av utfärdaren eller annonsören. MetaversePost är engagerad i korrekt, opartisk rapportering, men marknadsförhållandena kan ändras utan föregående meddelande.
Om författaren
Alisa, en engagerad journalist på MPost, specialiserat på kryptovaluta, nollkunskapsbevis, investeringar och den expansiva sfären av Web3. Med ett skarpt öga för nya trender och tekniker levererar hon omfattande täckning för att informera och engagera läsare i det ständigt föränderliga landskapet för digital ekonomi.
fler artiklar
Alisa, en engagerad journalist på MPost, specialiserat på kryptovaluta, nollkunskapsbevis, investeringar och den expansiva sfären av Web3. Med ett skarpt öga för nya trender och tekniker levererar hon omfattande täckning för att informera och engagera läsare i det ständigt föränderliga landskapet för digital ekonomi.
