A Google DeepMind közzétette a WeatherNext nevű ciklónelőrejelző modellt — amelyről korábban a Nature publikált cikket — és elérhetővé tette a betanított súlyokat. A csomagban található egy „mini” változat is, amely Google Colabon futtatható, így nem szükséges nagyméretű számítástechnikai infrastruktúra a kipróbáláshoz.
Teljesítmény és hatékonyság
DeepMind állítása szerint a WeatherNext a viharok pályájának, intenzitásának és szélviszonyainak előrejelzésében állami szintű (state-of-the-art) pontosságot ért el. A cég közlése szerint a modell egy nappal növelheti a gyakorlati figyelmeztetési időt: a WeatherNext háromnapos előrejelzése hasonló pontosságot nyújt, mint a korábbi modellek két napos prognózisa. A rendszer továbbá jóval durvább térbeli felbontású adatot használ — a DeepMind említése szerint hozzávetőleg 100-szor coarser adat — mint a hagyományos numerikus modellek, ami jelentősen csökkenti a számítási igényt.
Valós alkalmazás: Hurricane Melissa, 2025
A közlemény szerint a WeatherNext már hozzájárult a gyakorlati döntéshozatalhoz: segített a National Hurricane Centernek (NHC) észlelni Hurricane Melissa gyors intenzifikációját 2025-ben. Ez arra utal, hogy a modell nemcsak visszatesztelt adatokon teljesít jól, hanem valódi viharok alatt is hasznos jelzéseket ad.
Miért számít ez
Korábban a legpontosabb, korszerű viharelőrejelzések futtatásához általában szuperszámítógépek vagy jelentős nemzeti költségvetési források kellettek, ami sok kis ország vagy kis hivatali egység számára elérhetetlenné tette ezeket az eszközöket. A WeatherNext nyílt forrású súlyainak és a könnyen futtatható mini változatnak a közzététele csökkenti a belépési küszöböt: kisebb meteorológiai irodák, regionális katasztrófa-elhárító központok vagy fejlődő országok is hozzáférhetnek fejlett ciklón-előrejelzéshez anélkül, hogy szuperszámítógépet kellene fenntartaniuk.
Korlátok és további kérdések
Bár a modell alacsonyabb felbontású adaton működik és kisebb számítási erőforrással is futhat, a valós bevezetéshez helyi adatintegráció, felügyelet és operatív tesztelés szükséges. A nyílt hozzáférés ugyanakkor lehetővé teszi, hogy különböző ügynökségek és kutatók összehasonlítsák, finomhangolják és adaptálják a modellt helyi feltételekhez.
Összefoglalás
A WeatherNext súlyainak és könnyen futtatható változatának nyilvánossá tétele jelentős lépés a korszerű viharészlelés demokratizálása felé: a DeepMind ezzel csökkentette azt a költségi korlátot, amely eddig sokak számára elzárta a legmodernebb ciklónelőrejelző eszközöket.
