구글 딥마인드가 WeatherNext 3를 공개하다: 5km 해상도의 시간별 전 세계 기상 예보
AI 기상 모델은 물리적 예측을 따라잡는 데 3년을 보냈지만, 두 가지 문제는 여전히 해결되지 않았습니다: 낮은 해상도와 지역 지형을 포착하지 못하는 문제, 그리고 수치예보(NWP) 분석보다 약 6시간 늦은 초기화 문제입니다. Google DeepMind과 Google Research가 공동으로 출시한 WeatherNext 3는 이 두 가지 문제를 직접적으로 해결합니다.

재분석 그리드만 바라보는 것이 아니라 기상 관측소 측정값을 직접 학습
WeatherNext 3는 실시간 글로벌 정지궤도 위성 모자이크를 모델의 직접적인 입력으로 사용하며, 이는 매시간 재초기화됩니다. 최대 0.05°(약 5km)의 해상도를 출력하며, 재분석 그리드에만 의존하는 대신 원천 기상 관측소 관측 데이터를 사용하여 학습됩니다. Google AI에 따르면, Brightband의 독립적인 실시간 평가에서 지금까지 가장 정확한 글로벌 기상 모델로 평가받았습니다.
아키텍처적으로 WeatherNext 3는 함수 생성 네트워크(FGN) 그리드 Transformer이며, WeatherNext 2와 동일한 확률 모델 계열에 속하지만 다중 해상도 출력으로 확장되었습니다. 입력에는 실시간 정지궤도 위성 모자이크와 ECMWF HRES 분석이 포함됩니다. 학습 데이터에는 ERA5/HRES-fc0, NASA의 IMERG, 관측소 관측 자료 및 위성 모자이크가 포함됩니다.
대부분의 AI 예측 모델은 NWP 재분석 데이터에서 학습하며, 이는 해안선, 계곡 및 산맥으로 인한 지역적 차이를 평활화할 수 있습니다. 반면 WeatherNext 3는 전용 관측 헤드를 사용하여 원천 관측소 측정 데이터를 직접 학습하며, 0.05° 온도 및 이슬점 출력을 실제 계측기 판독값에 맞게 보정합니다.
시간별 업데이트, 강수 및 재생에너지 변수의 상당한 개선
단일 순전파 추론은 세 가지 수준의 결과를 생성할 수 있습니다: 관측소 학습 모델의 0.05°(약 5km) 지점 2미터 온도 및 이슬점, 0.1°(약 10km)의 10미터 및 100미터 지표풍, 기압, 해수면 온도, 구름량, 일사량 및 1시간 강수, 그리고 13개 압력층을 커버하는 0.25°(약 25km) 대기장. 비교하자면, WeatherNext 2는 6시간마다 0.25° 장을 출력하므로 "5배의 선명도 향상"이라는 주장을 뒷받침합니다.
갱신 주기는 또 다른 주요 변경 사항입니다: 모델은 하루 24회 초기화되며, 00, 06, 12, 18 UTC의 네 가지 기상 주기는 64개 앙상블 멤버와 함께 최대 15일(360시간)까지 예측할 수 있는 반면, 나머지 시간별 실행은 48시간을 커버합니다. 빠르게 발달하는 대류성 날씨의 경우, 현재 위성 관측을 기반으로 한 시간별 갱신은 뒤처지는 분석의 6시간 주기보다 상당한 차이를 만듭니다.
강수는 전역 모델의 항상 약점이었으며, 출력은 종종 흐릿하고 폭풍 경계를 포착하지 못합니다. WeatherNext 3는 세 가지 데이터 소스를 사용하여 학습됩니다: ECMWF 재분석, NASA IMERG 위성 역분석 및 Google의 자체 위성 레이더 강수 재분석. Google은 단기 예측에서 기준선(IMERG 대비)에 비해 CRPS가 최대 60%, MRMS 대비 30%, 우량계 대비 10% 향상된다고 주장하며, 연구에 따르면 IMERG로 평가할 때 NWP 기준선 대비 Brier 점수 및 CRPS가 최대 50% 감소하는 것으로 나타났습니다.
재생에너지의 경우, 모델은 터빈 허브 높이의 100미터 풍속, 저/중/고 구름 분포 전체, 그리고 일사량의 두 구성 요소인 SSRD 및 FDIR을 출력합니다. 이는 전력망 운영자가 풍력 및 태양광 출력을 예측하는 데 필요한 정확한 조합입니다.
현재 예측 데이터는 BigQuery, Earth Engine 및 Cloud Storage를 통해 요청할 수 있지만, WeatherNext 3의 가중치는 오픈소스로 제공되지 않으며, 사용자 정의 추론은 요청 시 WeatherNext 2를 실행합니다.
관련 기사
미국과 중국의 AI 경쟁: 중국의 휴머노이드 로봇 추진 가속화에 따라 네 가지 모델이 선두를 달리고 있다
빌 게이츠 재단 이사장은 최근 향후 2년간 인공지능 발전을 위해 10억 달러를 투자하겠다고 발표했습니다. 이 이니셔티브는 최첨단 기술을 민주화하여 부유층뿐만 아니라 가장 가난한 지역도 상황을 개선할 수 있도록 하는 것을 목표로 합니다. 또한 게이츠는 글로벌 대형 모델 현황, 컴퓨팅 파워의 탄소 배출, 그리고 중국산 휴머노이드 로봇의 부상에 대한 자신의 견해를 공유했습니다.글로벌 대형 모델 경쟁과 관련하여 게이츠는 중국과 미국 모두 현재 세계
Cursor, GitHub에 직접적으로 도전하기 위한 Origin 코드 호스팅 플랫폼 출시
AI 기반 프로그래밍 도구 분야에서 상당한 진전이 이루어지고 있습니다. 선도적인 AI 코드 편집기인 Cursor는 모든 유료 구독자가 초기 테스트에 사용할 수 있는 새로운 코드 호스팅 서비스인 Origin을 공식적으로 출시했습니다. 이 전략적 조치는 플랫폼을 주류 개발 생태계와 직접 경쟁할 수 있는 위치에 배치하며, GitHub에 대한 실행 가능한 대안을 제공합니다.Origin은 저장소 생성, 풀 리퀘스트, 코드 탐색, GitHub과의 원활한
솔(Sol)과 루나(Luna)가 합류함에 따라 OpenAI GPT-6, 벤치마크 전반에 걸쳐 토큰 비용을 절반으로 절감
Artificial Analysis에 따르면, GPT-6 Sol(max)은 지능 부문에서 1위를 차지했으며 가격은 48달러이다. 이미지 출처: 게티 이미지오픈AI가 GPT-6 Sol과 Luna를 출시한 후, 솔루션 엔지니어링 책임자인 맷 위버(Matt Weaver)는 AI 매거진과의 인터뷰에서 이 새로운 모델들이 기업에 어떻게 향상된 운영 유연성을 제공하는
관련 특별 주제 추천
의견 (0)
0/500
AI 기상 모델은 물리적 예측을 따라잡는 데 3년을 보냈지만, 두 가지 문제는 여전히 해결되지 않았습니다: 낮은 해상도와 지역 지형을 포착하지 못하는 문제, 그리고 수치예보(NWP) 분석보다 약 6시간 늦은 초기화 문제입니다. Google DeepMind과 Google Research가 공동으로 출시한 WeatherNext 3는 이 두 가지 문제를 직접적으로 해결합니다.

재분석 그리드만 바라보는 것이 아니라 기상 관측소 측정값을 직접 학습
WeatherNext 3는 실시간 글로벌 정지궤도 위성 모자이크를 모델의 직접적인 입력으로 사용하며, 이는 매시간 재초기화됩니다. 최대 0.05°(약 5km)의 해상도를 출력하며, 재분석 그리드에만 의존하는 대신 원천 기상 관측소 관측 데이터를 사용하여 학습됩니다. Google AI에 따르면, Brightband의 독립적인 실시간 평가에서 지금까지 가장 정확한 글로벌 기상 모델로 평가받았습니다.
아키텍처적으로 WeatherNext 3는 함수 생성 네트워크(FGN) 그리드 Transformer이며, WeatherNext 2와 동일한 확률 모델 계열에 속하지만 다중 해상도 출력으로 확장되었습니다. 입력에는 실시간 정지궤도 위성 모자이크와 ECMWF HRES 분석이 포함됩니다. 학습 데이터에는 ERA5/HRES-fc0, NASA의 IMERG, 관측소 관측 자료 및 위성 모자이크가 포함됩니다.
대부분의 AI 예측 모델은 NWP 재분석 데이터에서 학습하며, 이는 해안선, 계곡 및 산맥으로 인한 지역적 차이를 평활화할 수 있습니다. 반면 WeatherNext 3는 전용 관측 헤드를 사용하여 원천 관측소 측정 데이터를 직접 학습하며, 0.05° 온도 및 이슬점 출력을 실제 계측기 판독값에 맞게 보정합니다.
시간별 업데이트, 강수 및 재생에너지 변수의 상당한 개선
단일 순전파 추론은 세 가지 수준의 결과를 생성할 수 있습니다: 관측소 학습 모델의 0.05°(약 5km) 지점 2미터 온도 및 이슬점, 0.1°(약 10km)의 10미터 및 100미터 지표풍, 기압, 해수면 온도, 구름량, 일사량 및 1시간 강수, 그리고 13개 압력층을 커버하는 0.25°(약 25km) 대기장. 비교하자면, WeatherNext 2는 6시간마다 0.25° 장을 출력하므로 "5배의 선명도 향상"이라는 주장을 뒷받침합니다.
갱신 주기는 또 다른 주요 변경 사항입니다: 모델은 하루 24회 초기화되며, 00, 06, 12, 18 UTC의 네 가지 기상 주기는 64개 앙상블 멤버와 함께 최대 15일(360시간)까지 예측할 수 있는 반면, 나머지 시간별 실행은 48시간을 커버합니다. 빠르게 발달하는 대류성 날씨의 경우, 현재 위성 관측을 기반으로 한 시간별 갱신은 뒤처지는 분석의 6시간 주기보다 상당한 차이를 만듭니다.
강수는 전역 모델의 항상 약점이었으며, 출력은 종종 흐릿하고 폭풍 경계를 포착하지 못합니다. WeatherNext 3는 세 가지 데이터 소스를 사용하여 학습됩니다: ECMWF 재분석, NASA IMERG 위성 역분석 및 Google의 자체 위성 레이더 강수 재분석. Google은 단기 예측에서 기준선(IMERG 대비)에 비해 CRPS가 최대 60%, MRMS 대비 30%, 우량계 대비 10% 향상된다고 주장하며, 연구에 따르면 IMERG로 평가할 때 NWP 기준선 대비 Brier 점수 및 CRPS가 최대 50% 감소하는 것으로 나타났습니다.
재생에너지의 경우, 모델은 터빈 허브 높이의 100미터 풍속, 저/중/고 구름 분포 전체, 그리고 일사량의 두 구성 요소인 SSRD 및 FDIR을 출력합니다. 이는 전력망 운영자가 풍력 및 태양광 출력을 예측하는 데 필요한 정확한 조합입니다.
현재 예측 데이터는 BigQuery, Earth Engine 및 Cloud Storage를 통해 요청할 수 있지만, WeatherNext 3의 가중치는 오픈소스로 제공되지 않으며, 사용자 정의 추론은 요청 시 WeatherNext 2를 실행합니다.
미국과 중국의 AI 경쟁: 중국의 휴머노이드 로봇 추진 가속화에 따라 네 가지 모델이 선두를 달리고 있다
빌 게이츠 재단 이사장은 최근 향후 2년간 인공지능 발전을 위해 10억 달러를 투자하겠다고 발표했습니다. 이 이니셔티브는 최첨단 기술을 민주화하여 부유층뿐만 아니라 가장 가난한 지역도 상황을 개선할 수 있도록 하는 것을 목표로 합니다. 또한 게이츠는 글로벌 대형 모델 현황, 컴퓨팅 파워의 탄소 배출, 그리고 중국산 휴머노이드 로봇의 부상에 대한 자신의 견해를 공유했습니다.글로벌 대형 모델 경쟁과 관련하여 게이츠는 중국과 미국 모두 현재 세계
Cursor, GitHub에 직접적으로 도전하기 위한 Origin 코드 호스팅 플랫폼 출시
AI 기반 프로그래밍 도구 분야에서 상당한 진전이 이루어지고 있습니다. 선도적인 AI 코드 편집기인 Cursor는 모든 유료 구독자가 초기 테스트에 사용할 수 있는 새로운 코드 호스팅 서비스인 Origin을 공식적으로 출시했습니다. 이 전략적 조치는 플랫폼을 주류 개발 생태계와 직접 경쟁할 수 있는 위치에 배치하며, GitHub에 대한 실행 가능한 대안을 제공합니다.Origin은 저장소 생성, 풀 리퀘스트, 코드 탐색, GitHub과의 원활한
솔(Sol)과 루나(Luna)가 합류함에 따라 OpenAI GPT-6, 벤치마크 전반에 걸쳐 토큰 비용을 절반으로 절감
Artificial Analysis에 따르면, GPT-6 Sol(max)은 지능 부문에서 1위를 차지했으며 가격은 48달러이다. 이미지 출처: 게티 이미지오픈AI가 GPT-6 Sol과 Luna를 출시한 후, 솔루션 엔지니어링 책임자인 맷 위버(Matt Weaver)는 AI 매거진과의 인터뷰에서 이 새로운 모델들이 기업에 어떻게 향상된 운영 유연성을 제공하는





집






