Вчені з Google DeepMind представили ймовірнісну модель прогнозу погоди GenCast, яка демонструє значно вищу точність порівняно з сучасними методами, як-от ECMWF-ENS. Модель здатна за вісім хвилин сформувати прогноз на 15 днів, перевершуючи існуючі підходи за 97,2% метрик. Розробники під керівництвом Ілана Прайса застосували дифузійну модель, навчену на метеорологічних даних реаналізу ERA5 за період 1979–2019 років, що дозволило GenCast досягти прориву в точності прогнозування.
Особливістю моделі є її висока ефективність у прогнозах екстремальних погодних явищ. Зокрема, GenCast вдало передбачила траєкторію тайфуну Хагібіс, який завдав значних збитків Японії у 2019 році, і змогла з високою точністю оцінити екстремальні температури та швидкості вітру. Крім того, її прогнози охоплюють періоди з найвищою точністю на проміжках від трьох до п’яти днів.
Висока швидкість обчислень і точність роблять GenCast придатною для регіональних прогнозів, включаючи вироблення вітряної енергії. З географічною роздільною здатністю 0,25 градуса модель забезпечує детальну інформацію для адаптації енергетичних систем до погодних умов.
Публікація у журналі Nature підтверджує потенціал GenCast для революції у прогнозуванні погоди, особливо в умовах кліматичних змін. Ця технологія може стати ключовим інструментом у зменшенні шкоди від екстремальних погодних явищ та оптимізації енергетичних систем.
Схожі новини:
- ШІ вперше передбачив погоду точніше метеорологів: Модель штучного інтелекту GraphCast від Google DeepMind значно покращила точність прогнозування погоди, перевершивши традиційні методи на 10 днів вперед.
- NVIDIA розробила платформу Earth-2 для прогнозування погоди та клімату: Платформа Earth-2, оснащена моделями машинного навчання, такими як FourCastNet та генеративна модель CorrDiff, дозволяє створювати інтерактивні хмарні візуалізації даних про погоду і клімат з високою роздільною здатністю.