DeepDigest
Google DeepMind · · ~3 мин

WeatherNext: прорыв в прогнозировании циклонов от Google DeepMind

Модель WeatherNext от Google DeepMind и Google Research совершила прорыв в прогнозировании циклонов, давая дополнительный день предупреждения. Модель демонстрирует высокую точность в прогнозировании траектории, интенсивности и структуры ветра тропических циклонов. Она обучена на больших объёмах данных и уже помогла синоптикам своевременно предупредить население о стихийных бедствиях.

WeatherNext: прорыв в прогнозировании циклонов от Google DeepMind

Модель WeatherNext, разработанная командами Google DeepMind и Google Research при участии экспертов метеорологических агентств, совершила значительный прорыв в прогнозировании циклонов. 6 августа 2026 года стало известно, что модель даёт дополнительный день предупреждения о приближении циклона. Это эквивалентно прогрессу в метеорологии за целое десятилетие — по оценкам, улучшение точности прогнозов соответствует тенденциям последних 20 лет.

Тропические циклоны (ураганы, тайфуны) остаются одной из самых опасных природных угроз: за последние 50 лет они привели к более чем 700 000 смертей и экономическим потерям в размере 1,4 трлн долларов по всему миру. Модель WeatherNext демонстрирует передовую точность в прогнозировании траектории, интенсивности и структуры ветра циклона: трёхдневные прогнозы модели соответствуют прогнозам предыдущих моделей на два дня.

Модель обучена на почти 20 терабайтах глобальных атмосферных данных и базе IBTrACS, которая включает около 5000 исторических штормов. WeatherNext Cyclones объединяет прогнозирование глобальных погодных условий и циклонов — это единая ИИ‑модель, которая с высокой точностью предсказывает развитие ситуации. Например, на основе глобальных атмосферных условий во время урагана Милтон (октябрь 2024) модель итеративно прогнозирует погодные условия и траектории циклонов на срок до 15 дней.

Оценка модели на исторических данных о циклонах 2023–2024 годов показала преимущество более чем в 24 часа по времени упреждения при прогнозировании траектории, интенсивности и структуры ветра. В сезон ураганов 2025 года модель помогла NHC предсказать быстрое усиление шторма и его выход на сушу на Ямайке — это позволило заблаговременно предупредить население. Также WeatherNext помог National Hurricane Center точнее спрогнозировать выход урагана Melissa на сушу на Ямайке в мае 2026 года.

Сейчас для каждого циклона прогнозируется 1000 возможных сценариев — это помогает синоптикам принимать взвешенные решения. Модель использует Functional Generative Networks (FGNs) для эффективного создания ансамблей прогнозов, учитывающих неопределённость погоды. При этом можно сгенерировать 15‑дневный прогноз менее чем за минуту на TPU. Если в прошлом году система создавала 50 прогнозов одновременно, то сейчас размер ансамбля увеличен до 1000 членов — это позволяет учитывать редкие, но значимые сценарии (например, быстрое усиление во время урагана Melissa в 2025 году).

WeatherNext Cyclones требует данных с разрешением 28×28 км (в 100 раз грубее, чем у традиционных моделей). Версия WeatherNext 2‑mini работает с разрешением 111×111 км и также демонстрирует высокую эффективность. Вместе с публикацией в Nature предоставляются код и веса модели open sourcing, они доступны для академических исследований, оперативного прогнозирования и разработки специализированных моделей.

Выпускаются разные версии модели:
- WeatherNext Cyclones (работала в сезон ураганов);
- WeatherNext 2 (обновлённая версия, введена в эксплуатацию в октябре);
- WeatherNext 2‑mini (компактная версия, может работать на одном TPU в бесплатном публичном Colab notebook.

Прогнозы циклонов можно изучить на Weather Lab. Интерфейс обновлён: добавлены глобальные прогнозы погоды наряду с траекториями циклонов. Weather Lab позволяет визуализировать прогнозы WeatherNext (температура, осадки, скорость ветра и др.) в едином представлении. Weather Lab и модели WeatherNext входят в Google Earth AI.

В работе над моделью участвовали партнёры из NOAA/NWS/NCEP National Hurricane Center, Cooperative Institute for Research in the Atmosphere (CIRA), UK Met Office. Среди авторов статьи — Ferran Alet, Tom Andersson, Ilan Price, Stratis Markou, Andrew El-Kadi, Dominic Masters, Amy Li, Samier Merchant, Natalie Williams, Gregory Thornton, Ken MacKay, Olivia Graham, Akib Uddin, Ben Gaiarin, Devaja Shah, Elinor Kruse, Wallace Hogsett, David Zelinsky, John Cangialosi, Jonathan Martinez, James Franklin, Mark DeMaria, Kate Musgrave, Caroline L. Bain, Helen Titley, Jacklynn Stott, Remi Lam, Aaron Bell, Paul Komarek, Matthew Willson, Alvaro Sanchez-Gonzalez, Peter Battaglia. Также в контексте упоминаются другие модели: ScienceGenCast (прогнозирует погоду и риски экстремальных условий с высокой точностью, декабрь 2024) и ScienceGraphCast (модель ИИ для более быстрого и точного глобального прогнозирования погоды, ноябрь 2023). Read our Nature paper Download the code Explore Weather Lab Read the NHC’s 2025 Verification Report

// оригинал
Google DeepMind ↗ Читать оригинал
9 просмотров
// поделиться Telegram VK