Google DeepMind 釋出 WeatherNext 3:5公里解析度的逐小時全球預報
AI 氣象模型花了三年時間追趕物理預報,但仍有兩個問題未解決:解析度粗糙且無法捕捉區域性地形;以及初始化比數值天氣預報(NWP)分析滯後約 6 小時。Google DeepMind 與 Google Research 聯合釋出的 WeatherNext 3 直接解決了這兩個問題。

直接在氣象站測量資料上進行訓練,不再僅依賴再分析網格
WeatherNext 3 使用實時全球地球靜止衛星鑲嵌圖作為模型的直接輸入,每小時重新初始化一次,輸出最高解析度為 0.05°(約 5 公里),並使用原始氣象站觀測資料進行訓練,而非僅依賴再分析網格。根據 Google AI 的說法,Brightband 的獨立實時評估將其評為迄今為止最準確的全球氣象模型。
在架構方面,WeatherNext 3 是一個函式生成網路(FGN)網格 Transformer,它屬於與 WeatherNext 2 相同的機率模型家族,但擴充套件到了多解析度輸出。輸入包括實時地球靜止衛星鑲嵌圖和 ECMWF HRES 分析。訓練資料包括 ERA5/HRES-fc0、NASA 的 IMERG、站點觀測資料和衛星鑲嵌圖。
大多數 AI 預報模型從 NWP 再分析資料中學習,這會平滑掉由海岸線、山谷和山脈引起的區域性差異。然而,WeatherNext 3 使用專用的觀測頭直接在原始站點測量資料上進行訓練,將其 0.05° 的溫度和露點輸出校準為實際儀器讀數。
每小時更新,降水及可再生能源變數顯著改進
單次前向推理可產生三個層級的結果:針對站點訓練模型的 0.05°(約 5 公里)2 米溫度和露點,0.1°(約 10 公里)的 10 米和 100 米地表風、氣壓、海表溫度、雲量、太陽輻射和 1 小時降水量,以及覆蓋 13 個氣壓層的 0.25°(約 25 公里)大氣場。相比之下,WeatherNext 2 每 6 小時輸出一個 0.25° 場,這也是“清晰度提升五倍”這一說法的原因。
重新整理頻率是另一個重大變化:該模型每天初始化 24 次,00、06、12 和 18 UTC 的四個天氣迴圈可預測長達 15 天(360 小時),包含 64 個集合成員,而其餘每小時執行的覆蓋 48 小時。對於快速發展的對流天氣,基於當前衛星觀測的每小時重新整理與滯後分析的 6 小時迴圈相比,帶來了顯著差異。
降水一直是全球模型的弱點,輸出往往模糊且無法捕捉風暴邊界。WeatherNext 3 使用三種資料來源進行訓練:ECMWF 再分析、NASA IMERG 衛星反演以及 Google 自己的衛星雷達降水再分析。Google 聲稱,在短期預報中,其 CRPS 相比基線(與 IMERG 相比)提高了高達 60%,相比 MRMS 提高了 30%,相比雨量計提高了 10%;研究還顯示,當以 IMERG 為評估標準時,與 NWP 基線相比,Brier 分數和 CRPS 降低了高達 50%。
對於可再生能源,該模型輸出渦輪機輪轂高度處的 100 米風速、完整的低/中/高雲分佈以及太陽輻照度的兩個分量——SSRD 和 FDIR,這正是電網運營商預測風能和太陽能輸出所需的組合。
目前,可透過 BigQuery、Earth Engine 和 Cloud Storage 請求預報資料,但 WeatherNext 3 的權重未開源,且自定義推理在請求時仍執行 WeatherNext 2。
相關文章
美國與中國的人工智慧競賽:四款模型領先,中國人形機器人推進勢頭增強
比爾·蓋茨,蓋茨基金會主席,最近宣佈在未來兩年內投資10億美元以推進人工智慧。該倡議旨在使尖端技術民主化,確保其不僅服務於富人,還能幫助最貧困地區的人民改善處境。此外,蓋茨還分享了他對全球大模型格局、算力碳排放以及中國人形機器人崛起的看法。關於全球大模型競爭,蓋茨指出,中國和美國目前都擁有四家或更多機構,其模型排名處於世界最先進之列。頂級模型與接下來七家領先模型之間的效能差距正在縮小。他觀察到,全球前八大模型的能力已經超過了四個月前的水平,形成了一種“超級競爭”,人才和算力正在迅速匯聚。這種動
Cursor 推出 Origin 程式碼託管平臺,直接挑戰 GitHub
AI 驅動程式設計工具領域正取得重大進展。領先的 AI 程式碼編輯器 Cursor 正式推出了 Origin,這是一項新的程式碼託管服務,現已向所有付費訂閱使用者開放早期測試。這一戰略舉措使該平臺能夠直接與主流開發生態系統展開競爭,為 GitHub 提供了可行的替代方案。Origin 深度整合到日常開發工作流中,支援倉庫建立、拉取請求、程式碼瀏覽以及與 GitHub 的無縫同步。使用者可以建立帶有特定字首的倉庫,或將現有的 GitHub 專案同步至 Origin,從而實現評論和程式碼審查的雙向同步。在測試階
隨著 Sol 和 Luna 加入,OpenAI GPT-6 在各項基準測試中將代幣成本削減一半
根據 Artificial Analysis 的報告,GPT-6 Sol (max) 在智慧能力方面名列榜首,售價為 48 美元。圖片來源:Getty Images在 OpenAI 推出 GPT-6 Sol 和 Luna 之後,解決方案工程總監 Matt Weaver 向《AI Magazine》闡述了這些新模型如何為企業提供更強大的營運靈活性。OpenAI 近期推出了 GPT-6 Astra,並
相關專題推薦
評論 (0)
0/500
AI 氣象模型花了三年時間追趕物理預報,但仍有兩個問題未解決:解析度粗糙且無法捕捉區域性地形;以及初始化比數值天氣預報(NWP)分析滯後約 6 小時。Google DeepMind 與 Google Research 聯合釋出的 WeatherNext 3 直接解決了這兩個問題。

直接在氣象站測量資料上進行訓練,不再僅依賴再分析網格
WeatherNext 3 使用實時全球地球靜止衛星鑲嵌圖作為模型的直接輸入,每小時重新初始化一次,輸出最高解析度為 0.05°(約 5 公里),並使用原始氣象站觀測資料進行訓練,而非僅依賴再分析網格。根據 Google AI 的說法,Brightband 的獨立實時評估將其評為迄今為止最準確的全球氣象模型。
在架構方面,WeatherNext 3 是一個函式生成網路(FGN)網格 Transformer,它屬於與 WeatherNext 2 相同的機率模型家族,但擴充套件到了多解析度輸出。輸入包括實時地球靜止衛星鑲嵌圖和 ECMWF HRES 分析。訓練資料包括 ERA5/HRES-fc0、NASA 的 IMERG、站點觀測資料和衛星鑲嵌圖。
大多數 AI 預報模型從 NWP 再分析資料中學習,這會平滑掉由海岸線、山谷和山脈引起的區域性差異。然而,WeatherNext 3 使用專用的觀測頭直接在原始站點測量資料上進行訓練,將其 0.05° 的溫度和露點輸出校準為實際儀器讀數。
每小時更新,降水及可再生能源變數顯著改進
單次前向推理可產生三個層級的結果:針對站點訓練模型的 0.05°(約 5 公里)2 米溫度和露點,0.1°(約 10 公里)的 10 米和 100 米地表風、氣壓、海表溫度、雲量、太陽輻射和 1 小時降水量,以及覆蓋 13 個氣壓層的 0.25°(約 25 公里)大氣場。相比之下,WeatherNext 2 每 6 小時輸出一個 0.25° 場,這也是“清晰度提升五倍”這一說法的原因。
重新整理頻率是另一個重大變化:該模型每天初始化 24 次,00、06、12 和 18 UTC 的四個天氣迴圈可預測長達 15 天(360 小時),包含 64 個集合成員,而其餘每小時執行的覆蓋 48 小時。對於快速發展的對流天氣,基於當前衛星觀測的每小時重新整理與滯後分析的 6 小時迴圈相比,帶來了顯著差異。
降水一直是全球模型的弱點,輸出往往模糊且無法捕捉風暴邊界。WeatherNext 3 使用三種資料來源進行訓練:ECMWF 再分析、NASA IMERG 衛星反演以及 Google 自己的衛星雷達降水再分析。Google 聲稱,在短期預報中,其 CRPS 相比基線(與 IMERG 相比)提高了高達 60%,相比 MRMS 提高了 30%,相比雨量計提高了 10%;研究還顯示,當以 IMERG 為評估標準時,與 NWP 基線相比,Brier 分數和 CRPS 降低了高達 50%。
對於可再生能源,該模型輸出渦輪機輪轂高度處的 100 米風速、完整的低/中/高雲分佈以及太陽輻照度的兩個分量——SSRD 和 FDIR,這正是電網運營商預測風能和太陽能輸出所需的組合。
目前,可透過 BigQuery、Earth Engine 和 Cloud Storage 請求預報資料,但 WeatherNext 3 的權重未開源,且自定義推理在請求時仍執行 WeatherNext 2。
美國與中國的人工智慧競賽:四款模型領先,中國人形機器人推進勢頭增強
比爾·蓋茨,蓋茨基金會主席,最近宣佈在未來兩年內投資10億美元以推進人工智慧。該倡議旨在使尖端技術民主化,確保其不僅服務於富人,還能幫助最貧困地區的人民改善處境。此外,蓋茨還分享了他對全球大模型格局、算力碳排放以及中國人形機器人崛起的看法。關於全球大模型競爭,蓋茨指出,中國和美國目前都擁有四家或更多機構,其模型排名處於世界最先進之列。頂級模型與接下來七家領先模型之間的效能差距正在縮小。他觀察到,全球前八大模型的能力已經超過了四個月前的水平,形成了一種“超級競爭”,人才和算力正在迅速匯聚。這種動
Cursor 推出 Origin 程式碼託管平臺,直接挑戰 GitHub
AI 驅動程式設計工具領域正取得重大進展。領先的 AI 程式碼編輯器 Cursor 正式推出了 Origin,這是一項新的程式碼託管服務,現已向所有付費訂閱使用者開放早期測試。這一戰略舉措使該平臺能夠直接與主流開發生態系統展開競爭,為 GitHub 提供了可行的替代方案。Origin 深度整合到日常開發工作流中,支援倉庫建立、拉取請求、程式碼瀏覽以及與 GitHub 的無縫同步。使用者可以建立帶有特定字首的倉庫,或將現有的 GitHub 專案同步至 Origin,從而實現評論和程式碼審查的雙向同步。在測試階
隨著 Sol 和 Luna 加入,OpenAI GPT-6 在各項基準測試中將代幣成本削減一半
根據 Artificial Analysis 的報告,GPT-6 Sol (max) 在智慧能力方面名列榜首,售價為 48 美元。圖片來源:Getty Images在 OpenAI 推出 GPT-6 Sol 和 Luna 之後,解決方案工程總監 Matt Weaver 向《AI Magazine》闡述了這些新模型如何為企業提供更強大的營運靈活性。OpenAI 近期推出了 GPT-6 Astra,並





首頁






