谷歌DeepMind推出WeatherNext 2人工智能模型，用于提供精准的全球天气预报
简单来说
Google DeepMind 推出了 WeatherNext 2，提供更快、更高分辨率和多场景的全球天气预报，以支持更准确、更具可操作性的决策。
谷歌深度思维谷歌旗下人工智能部门推出了 WeatherNext 2，这是迄今为止最先进的全球天气预报系统，具有更高的准确性和分辨率。
WeatherNext 2 采用全新模型，能够生成数百种潜在情景，因此其预报速度可提升至原来的八倍，时间分辨率精确到一小时。该方法已被用于辅助气象机构进行决策，包括开展气旋预测实验。
该系统现已向用户开放，用户可通过 Google Earth Engine 和 BigQuery 获取预测数据。此外，Google Cloud 的 Vertex AI 平台也已启动早期访问计划，允许用户进行自定义模型推理。
WeatherNext 技术的集成已经提升了 Google 搜索、Gemini、Pixel Weather 和 Google Maps Platform Weather API 的天气预报质量，并且在未来几周内，它还将支持在 Google 地图平台中提供天气信息。 Google Maps.
WeatherNext 2 引入人工智能驱动的功能生成网络，以实现更准确的天气预报
准确的天气预报需要捕捉所有可能的结果，包括对规划至关重要的极端情况。WeatherNext 2 能够根据单一初始条件生成数百种潜在的天气结果，每次预测在单个 TPU 上只需不到一分钟——而使用传统的基于物理的超级计算机模型，同样的操作则需要数小时。
该系统能够提供高度精准、高分辨率的小时级天气预报，在0至15天的预报时效内，99.9%的变量（包括温度、风力和湿度）的预测性能均优于之前的WeatherNext模型。这使得预测更加精确，也更具实用性。
性能的提升是通过一种新的方法实现的。 人工智能建模 该方法称为功能生成网络 (FGN)，它将受控“噪声”直接引入模型架构中，确保预测结果在物理上是合理的，并且在内部是一致的。
这种方法尤其适用于预测“边缘变量”（例如某地温度、特定高度的风速或湿度等单个气象要素）和“联合变量”（依赖于这些单个要素之间关系的复杂且相互关联的系统）。尽管该模型仅基于边缘变量进行训练，但它能够准确推断联合变量，从而预测大规模模式，例如经历极端高温的区域或整个风电场的预期发电量。
WeatherNext 2 将先进的研究成果应用于实际且影响深远的天气预报。我们不断努力改进和提升这项技术，同时让全球用户都能使用最新的工具。
未来的工作包括探索更多数据源，并扩大数据可用性，以惠及更多用户。该计划旨在通过提供强大的工具和开放数据，支持科学发现，并使全球研究人员、开发人员和组织能够针对复杂挑战做出明智的决策，从而推动未来的创新。
免责声明
在与行 信托项目指南，请注意，本页提供的信息无意且不应被解释为法律、税务、投资、财务或任何其他形式的建议。 重要的是，仅投资您可以承受损失的金额，并在有任何疑问时寻求独立的财务建议。 如需了解更多信息，我们建议您参阅条款和条件以及发行人或广告商提供的帮助和支持页面。 MetaversePost 致力于提供准确、公正的报告，但市场状况如有变更，恕不另行通知。
关于作者
Alisa，一名热心记者 MPost，专注于加密货币、零知识证明、投资以及广泛的领域 Web3。她对新兴趋势和技术有着敏锐的洞察力，提供全面的报道，让读者了解和吸引读者了解不断发展的数字金融领域。
更多文章
Alisa，一名热心记者 MPost，专注于加密货币、零知识证明、投资以及广泛的领域 Web3。她对新兴趋势和技术有着敏锐的洞察力，提供全面的报道，让读者了解和吸引读者了解不断发展的数字金融领域。
