Google DeepMind stellt das KI-Modell WeatherNext 2 für präzise globale Wettervorhersagen vor

Google DeepMind Die KI-Abteilung von Google hat WeatherNext 2 vorgestellt, ihr bisher fortschrittlichstes System zur Erstellung globaler Wettervorhersagen mit verbesserter Genauigkeit und höherer Auflösung.

WeatherNext 2 erstellt Vorhersagen bis zu achtmal schneller und mit einer zeitlichen Auflösung von bis zu einer Stunde. Dies wird durch ein neues Modell ermöglicht, das Hunderte von potenziellen Szenarien generieren kann. Dieser Ansatz unterstützt Wetterdienste bei ihren Entscheidungen, unter anderem bei experimentellen Zyklonvorhersagen.

Das System wird nun Nutzern zugänglich gemacht; Vorhersagedaten sind über Google Earth Engine und BigQuery verfügbar. Zusätzlich wurde ein Early-Access-Programm auf der Vertex AI-Plattform von Google Cloud gestartet, um die Erstellung benutzerdefinierter Modelle zu ermöglichen.

Die Integration der WeatherNext-Technologie hat die Wettervorhersagen in der Google-Suche, Gemini, Pixel Weather und der Google Maps Platform Weather API bereits verbessert und wird in den kommenden Wochen auch Wetterinformationen innerhalb von Google Maps unterstützen. Google Maps .

WeatherNext 2 führt KI-gestützte funktionale generative Netzwerke für bessere Wettervorhersagen ein

Für eine präzise Wettervorhersage ist es notwendig, das gesamte Spektrum möglicher Ergebnisse zu erfassen, einschließlich extremer Szenarien, die für die Planung entscheidend sind. WeatherNext 2 kann aus einer einzigen Ausgangsbedingung Hunderte potenzieller Wetterergebnisse generieren, wobei jede Vorhersage auf einer einzelnen TPU weniger als eine Minute dauert – eine Operation, die mit herkömmlichen physikbasierten Supercomputermodellen Stunden in Anspruch nehmen würde.

Das System liefert hochpräzise, ​​hochauflösende Vorhersagen bis auf die Stunde genau und übertrifft das Vorgängermodell WeatherNext bei 99.9 % der Variablen, darunter Temperatur, Wind und Luftfeuchtigkeit, über einen Vorhersagezeitraum von 0 bis 15 Tagen. Dies ermöglicht genauere und handlungsrelevantere Prognosen.

Die Leistungssteigerung wird durch ein neues KI-Modellierung Ein Ansatz, der als Functional Generative Network (FGN) bekannt ist und kontrolliertes „Rauschen“ direkt in die Modellarchitektur einführt, um sicherzustellen, dass die Vorhersagen physikalisch realistisch und intern konsistent bleiben.

Diese Methodik eignet sich besonders gut zur Vorhersage sowohl einzelner Wetterelemente wie Temperatur, Windgeschwindigkeit oder Luftfeuchtigkeit als auch komplexer, miteinander verbundener Systeme, die auf den Wechselwirkungen dieser einzelnen Elemente beruhen. Obwohl das Modell nur mit diesen Daten trainiert wird, kann es komplexe Systeme präzise ableiten und so großräumige Muster vorhersagen, beispielsweise Regionen mit extremer Hitze oder die zu erwartende Leistung eines gesamten Windparks.

Mit WeatherNext 2 werden fortschrittliche Forschungsergebnisse für praxisnahe und wirkungsvolle Wettervorhersagen angewendet. Die Technologie wird kontinuierlich weiterentwickelt und verbessert, und die neuesten Tools werden der globalen Gemeinschaft zugänglich gemacht.

Zukünftige Arbeiten umfassen die Erschließung weiterer Datenquellen und die Ausweitung der Verfügbarkeit, um mehr Nutzer zu erreichen. Durch die Bereitstellung leistungsstarker Werkzeuge und offener Daten will die Initiative wissenschaftliche Entdeckungen fördern und Forschern, Entwicklern und Organisationen weltweit ermöglichen, fundierte Entscheidungen bei komplexen Herausforderungen zu treffen und Innovationen für die Zukunft voranzutreiben.