Google DeepMind、WeatherNext 3を発表:5km解像度の時間単位全球予報
AI気象モデルは物理的予測に追いつくために3年間を費やしたが、2つの未解決の問題が残っていた。それは、解像度が粗く局所的な地形を捉えられないこと、および初期化が数値予報(NWP)解析に約6時間遅れることである。Google DeepMindとGoogle Researchが共同でリリースしたWeatherNext 3は、これらの2つの課題に直接対処している。

再解析グリッドのみを参照するのではなく、気象観測所の測定値を直接学習する
WeatherNext 3は、リアルタイムの全球静止気象衛星モザイクをモデルの直接入力として使用し、毎時間再初期化される。出力は最大解像度0.05°(約5キロメートル)であり、再解析グリッドのみに依存するのではなく、元の気象観測所観測データを用いて訓練されている。Google AIによると、Brightbandの独立したリアルタイム評価では、これまでのところ最も精度の高い全球気象モデルとして評価されている。
アーキテクチャ面では、WeatherNext 3は関数生成ネットワーク(FGN)グリッドTransformerであり、WeatherNext 2と同じ確率モデルファミリーに属するが、マルチ解像度出力へと拡張されている。入力には、リアルタイムの静止気象衛星モザイクとECMWF HRES解析が含まれる。訓練データには、ERA5/HRES-fc0、NASAのIMERG、観測点の観測データ、および衛星モザイクが含まれる。
ほとんどのAI予測モデルはNWP再解析データから学習するが、これにより海岸線、谷、山岳などによる局所的な差異が平滑化されてしまう。一方、WeatherNext 3は専用の観測ヘッドを用いて元の観測点測定データを直接学習し、0.05°の温度および露点出力を実際の計器の読み値に較正している。
毎時間の更新、降水および再生可能エネルギー変数の大幅な改善
単一の順伝播推論で、3段階の結果を生成できる。観測点訓練モデルによる0.05°(約5km)の2メートル気温および露点、0.1°(約10km)の10メートルおよび100メートル地表風、気圧、海面水温、雲量、日射量、および1時間降水量、ならびに13気圧層をカバーする0.25°(約25km)の大気場である。比較として、WeatherNext 2は6時間ごとに0.25°の場を出力するため、「5倍の解像度向上」という主張の理由となっている。
更新頻度も主要な変更点である。モデルは1日24回初期化され、00、06、12、18 UTCの4つの気象サイクルは64個のアンサンブルメンバーを用いて最大15日(360時間)を予測できる。残りの毎時間の実行は48時間をカバーする。急速に発達する対流性気象に対して、現在の衛星観測に基づく毎時間の更新は、遅延する解析の6時間サイクルと比較して大きな差をもたらす。
降水は全球モデルの弱点であり、出力がぼやけて嵐の境界を捉えられないことが多かった。WeatherNext 3は、ECMWF再解析、NASA IMERG衛星逆解析、およびGoogle独自の衛星レーダー降水再解析という3つのデータソースを用いて訓練されている。Googleによると、短期予測において、ベースライン(IMERG比較)に対してCRPSが最大60%改善し、MRMS比較で30%、雨量計比較で10%改善する。また、IMERGに対して評価した場合、NWPベースラインと比較してBrierスコアおよびCRPSが最大50%減少することが研究で示されている。
再生可能エネルギーに関して、モデルは風力タービンハブの高さにおける100メートルの風速、低・中・高層の完全な雲分布、および日射量の2つの成分(SSRDおよびFDIR)を出力する。これらは、電力系統事業者が風力および太陽光の出力を予測するために必要な組み合わせと完全に一致する。
現在、予測データはBigQuery、Earth Engine、Cloud Storageを通じてリクエストできるが、WeatherNext 3の重みはオープンソース化されておらず、カスタム推論についてはリクエストに応じてWeatherNext 2が実行される。
関連記事
米中AI競争:4つのモデルが先頭を走り、中国のヒューマノイドロボット推進が勢いを増す
ビル・ゲイツ・盖茨財団会長は、人工知能の進展を促進するため、今後2年間で10億ドルの投資を発表した。このイニシアチブは最先端技術の民主化を目指し、富裕層だけでなく最も貧しい地域も状況を変革できるよう支援することを目的としている。さらにゲイツ氏は、世界の大型モデルの動向、計算資源の二酸化炭素排出量、そして中国のヒューマノイドロボットの台頭に関する見解も明らかにした。世界の大型モデル競争について、ゲイツ氏は現在、中国と米国はいずれも世界で最も先進的なモデルを4つ以上保有する機関を持っていると指摘し
Cursor、Originコードホスティングプラットフォームをリリースし、GitHubに直接挑戦
AI駆動のプログラミングツールにおいて、顕著な進歩が起きています。主要なAIコードエディタであるCursorは、Originという新しいコードホスティングサービスを正式に導入し、現在すべての有料サブスクライバーが早期テストのために利用可能になりました。この戦略的動きにより、プラットフォームは主要な開発エコシステムと直接競争する立場を確立し、GitHubに対する実用的な代替案を提供しています。Originは、リポジトリの作成、プルリクエスト、コードの閲覧、GitHubとのシームレスな同期など、日
SolとLunaが参入し、OpenAIのGPT-6が各ベンチマークでトークンコストを半減
Artificial Analysisによると、GPT-6 Sol(max)は知能面でトップモデルにランクインしており、価格は48ドルだ。画像提供:Getty ImagesOpenAIがGPT-6 SolとLunaをリリースした後、ソリューション・エンジニアリング責任者のマット・ウィーバー氏は『AI Magazine』に対し、これらの新モデルが企業にどのように業務上の柔軟性を高めるかを説明した。O
関連特集おすすめ
コメント (0)
0/500
AI気象モデルは物理的予測に追いつくために3年間を費やしたが、2つの未解決の問題が残っていた。それは、解像度が粗く局所的な地形を捉えられないこと、および初期化が数値予報(NWP)解析に約6時間遅れることである。Google DeepMindとGoogle Researchが共同でリリースしたWeatherNext 3は、これらの2つの課題に直接対処している。

再解析グリッドのみを参照するのではなく、気象観測所の測定値を直接学習する
WeatherNext 3は、リアルタイムの全球静止気象衛星モザイクをモデルの直接入力として使用し、毎時間再初期化される。出力は最大解像度0.05°(約5キロメートル)であり、再解析グリッドのみに依存するのではなく、元の気象観測所観測データを用いて訓練されている。Google AIによると、Brightbandの独立したリアルタイム評価では、これまでのところ最も精度の高い全球気象モデルとして評価されている。
アーキテクチャ面では、WeatherNext 3は関数生成ネットワーク(FGN)グリッドTransformerであり、WeatherNext 2と同じ確率モデルファミリーに属するが、マルチ解像度出力へと拡張されている。入力には、リアルタイムの静止気象衛星モザイクとECMWF HRES解析が含まれる。訓練データには、ERA5/HRES-fc0、NASAのIMERG、観測点の観測データ、および衛星モザイクが含まれる。
ほとんどのAI予測モデルはNWP再解析データから学習するが、これにより海岸線、谷、山岳などによる局所的な差異が平滑化されてしまう。一方、WeatherNext 3は専用の観測ヘッドを用いて元の観測点測定データを直接学習し、0.05°の温度および露点出力を実際の計器の読み値に較正している。
毎時間の更新、降水および再生可能エネルギー変数の大幅な改善
単一の順伝播推論で、3段階の結果を生成できる。観測点訓練モデルによる0.05°(約5km)の2メートル気温および露点、0.1°(約10km)の10メートルおよび100メートル地表風、気圧、海面水温、雲量、日射量、および1時間降水量、ならびに13気圧層をカバーする0.25°(約25km)の大気場である。比較として、WeatherNext 2は6時間ごとに0.25°の場を出力するため、「5倍の解像度向上」という主張の理由となっている。
更新頻度も主要な変更点である。モデルは1日24回初期化され、00、06、12、18 UTCの4つの気象サイクルは64個のアンサンブルメンバーを用いて最大15日(360時間)を予測できる。残りの毎時間の実行は48時間をカバーする。急速に発達する対流性気象に対して、現在の衛星観測に基づく毎時間の更新は、遅延する解析の6時間サイクルと比較して大きな差をもたらす。
降水は全球モデルの弱点であり、出力がぼやけて嵐の境界を捉えられないことが多かった。WeatherNext 3は、ECMWF再解析、NASA IMERG衛星逆解析、およびGoogle独自の衛星レーダー降水再解析という3つのデータソースを用いて訓練されている。Googleによると、短期予測において、ベースライン(IMERG比較)に対してCRPSが最大60%改善し、MRMS比較で30%、雨量計比較で10%改善する。また、IMERGに対して評価した場合、NWPベースラインと比較してBrierスコアおよびCRPSが最大50%減少することが研究で示されている。
再生可能エネルギーに関して、モデルは風力タービンハブの高さにおける100メートルの風速、低・中・高層の完全な雲分布、および日射量の2つの成分(SSRDおよびFDIR)を出力する。これらは、電力系統事業者が風力および太陽光の出力を予測するために必要な組み合わせと完全に一致する。
現在、予測データはBigQuery、Earth Engine、Cloud Storageを通じてリクエストできるが、WeatherNext 3の重みはオープンソース化されておらず、カスタム推論についてはリクエストに応じてWeatherNext 2が実行される。
米中AI競争:4つのモデルが先頭を走り、中国のヒューマノイドロボット推進が勢いを増す
ビル・ゲイツ・盖茨財団会長は、人工知能の進展を促進するため、今後2年間で10億ドルの投資を発表した。このイニシアチブは最先端技術の民主化を目指し、富裕層だけでなく最も貧しい地域も状況を変革できるよう支援することを目的としている。さらにゲイツ氏は、世界の大型モデルの動向、計算資源の二酸化炭素排出量、そして中国のヒューマノイドロボットの台頭に関する見解も明らかにした。世界の大型モデル競争について、ゲイツ氏は現在、中国と米国はいずれも世界で最も先進的なモデルを4つ以上保有する機関を持っていると指摘し
Cursor、Originコードホスティングプラットフォームをリリースし、GitHubに直接挑戦
AI駆動のプログラミングツールにおいて、顕著な進歩が起きています。主要なAIコードエディタであるCursorは、Originという新しいコードホスティングサービスを正式に導入し、現在すべての有料サブスクライバーが早期テストのために利用可能になりました。この戦略的動きにより、プラットフォームは主要な開発エコシステムと直接競争する立場を確立し、GitHubに対する実用的な代替案を提供しています。Originは、リポジトリの作成、プルリクエスト、コードの閲覧、GitHubとのシームレスな同期など、日
SolとLunaが参入し、OpenAIのGPT-6が各ベンチマークでトークンコストを半減
Artificial Analysisによると、GPT-6 Sol(max)は知能面でトップモデルにランクインしており、価格は48ドルだ。画像提供:Getty ImagesOpenAIがGPT-6 SolとLunaをリリースした後、ソリューション・エンジニアリング責任者のマット・ウィーバー氏は『AI Magazine』に対し、これらの新モデルが企業にどのように業務上の柔軟性を高めるかを説明した。O





家






