A Google DeepMind és a Google Research közös kutatása, a WeatherNext, a Nature folyóiratban közölt cikk szerint állami és nemzetközi együttműködéssel állít elő világviszonylatban kiemelkedő pontosságú előrejelzéseket trópusi ciklonok útvonalára, intenzitására és szélerősségére vonatkozóan. A csapat azt állítja, hogy átlagosan egy nappal hosszabb vezetési időt ad az előrejelzésekhez: a háromnapos prognózisok mostantól olyan pontosságúak, mint korábban a két napos előrejelzések. A modellt és a súlyokat nyílt forráskódúvá tették, hogy a kutatói és meteorológiai közösség szélesebb köre építhessen rá.
Mi történt és kik vettek részt
A munkát a Google DeepMind és a Google Research AI-kutatói és mérnökei készítették el együttműködésben a National Hurricane Center (NHC), a Cooperative Institute for Research in the Atmosphere (CIRA), a UK Met Office és további nemzeti meteorológiai szolgálatok szakértőivel. Az eredményekről a szerzők tanulmánya jelent meg a Nature-ben.
Miben jelent előrelépést a WeatherNext
A WeatherNext egyetlen modellként egyszerre képes előrejelezni trópusi ciklonok pályáját, intenzitását és a szél szerkezetét, amelyet a szerzők állítása szerint a jelenlegi legjobb elérhető pontossággal tesz. A kutatás szerint ez az előrelépés átlagosan egy extra napi vezetési időnek felel meg — tehát amit korábban két napra lehetett megbízhatóan prognosztizálni, azt a WeatherNext most három napra adja meg. A szerzők ezt a javulást nagyjából egy évtizednyi meteorológiai fejlődéssel ekvivalensnek írják le.
Adatok, tanítás és architektúra
A modellt kétféle, eltérő adatmodalitáson együttesen tanították: globális légköri dinamikai adatokon és szakértőileg összegyűjtött, történelmi ciklonmegfigyeléseken. Az edzés során közel 20 terabájtnyi globális légköri adatot és az IBTrACS adatbázist használták, amely közel 5 000 történelmi vihar adatait tartalmazza. A modell így összetett légköri mintákat és a szélsőséges időjárás modellezésének jellegzetességeit tanulja meg.
A WeatherNext Functional Generative Networks (FGN) nevű megoldást használja az előrejelzési ensemble-ök hatékony előállítására, ami lehetővé teszi az időjárás bizonytalanságának számszerűsítését. Egyetlen 15 napos előrejelzés generálása kevesebb mint egy percet vesz igénybe TPU-n, így gyorsan előállíthatóak a kockázateloszlások. A rendszer tavaly 50 tagú ensemble-öket futtatott, idén viszont 1 000 tagú előrejelzési ensemble-t üzemeltetnek, amely alkalmassá teszi ritka, de jelentős események — például gyors erősödések — elkapására.
Felbontás és teljesítmény meglepő jellemzői
A ciklonintenzitás pontos előrejelzése hagyományosan nagyon nagy térbeli felbontást igényelt. A WeatherNext Cyclones modell azonban elegendő pontosságot ér el 28×28 km-es felbontású bemenettel, ami nagyjából 100-szor durvább a hagyományos, nagyfelbontású lokális modelleknél. Emellett a WeatherNext 2-mini, egy kisebb változat, 111×111 km-es felbontáson is jó teljesítményt mutat. A szerzők elismerik, hogy tudományos szempontból még nem teljesen tisztázott, hogyan képes a modell ilyen felbontáson ilyen pontos előrejelzéseket adni, és a közösség segítségét kérik a jelenség feltárásához.
Valós alkalmazás: Hurricane Melissa, 2025
A cikk szerint a modellt a 2025-ös hurrikánszezon során a National Hurricane Center használta, és a WeatherNext segített egy történelmi előrejelzés elkészítésében Hurricane Melissa esetében. A modell előre jelezte a vihar gyors erősödését és Jamaicára történő partközeli érkezését, ami lehetővé tette az NHC számára az előzetes figyelmeztetések kibocsátását és a helyszíni csapatok felkészülését.
Nyílt forráskódú kiadások és elérhetőség
A Nature-cikkel egyidejűleg a csapat nyílt forráskódúvá tette a kódot és a modell-súlyokat. Két fő modellcsalád kerül nyilvánosságra: a WeatherNext Cyclones (amely a hurrikánszezonban futott) és a WeatherNext 2, amelyet az októberi időszakban üzemesítettek. Emellett elérhetővé tették a WeatherNext 2-mini verziót is, amely egyetlen TPU-n is futtatható, és egy ingyenes publikus Colab notebookban kipróbálható.
A csapat Frissített továbbá a Weather Lab felületet, ahol mostantól a globális időjárás-előrejelzések mellett a ciklonpályákat és a WeatherNext előrejelzéseit is meg lehet tekinteni — többek között hőmérséklet, csapadék és szélerősség vizualizációkat egy nézetben. A Weather Lab és a WeatherNext-modellek a Google Earth AI részét képezik.
Miért fontos ez
A trópusi ciklonok az elmúlt 50 évben több mint 700 000 halálesetért és körülbelül 1,4 billió dollárnyi gazdasági kárért voltak felelősek világszerte. Mivel a viharok esetén minden óra számít a figyelmeztetések kiadása és a védekezés megszervezése során, az előrejelzési lead time növekedése — még ha átlagosan csak egy nappal is — jelentősen javíthatja a katasztrófavédelmi és mentési műveletek tervezhetőségét.
Felhívás a kutatói közösségnek és az operatív szereplőknek
A szerzők kutatási és gyakorlati partnerek — például meteorológiai ügynökségek és kutatóintézetek — számára nyitva álló együttműködést javasolnak: reményeik szerint a nyílt forráskódú modell és a hozzáférhető eszközök felgyorsítják az időjárás-előrejelzés kutatását és az operatív alkalmazkodást, különösen a szélsőséges időjárási eseményekkel szembeni érdemi védekezésben.
Köszönetnyilvánítás
A tanulmány és a fejlesztés a Google DeepMind és a Google Research együttműködése; a közreműködők között szerepel a NOAA/NWS/NCEP National Hurricane Center, a Cooperative Institute for Research in the Atmosphere (CIRA) és a UK Met Office. A cikk szerzői között megemlítik Ferran Alet, Tom Andersson, Ilan Price, Stratis Markou, Andrew El-Kadi, Dominic Masters, Amy Li, Samier Merchant, Natalie Williams, Gregory Thornton, Ken MacKay, Olivia Graham, Akib Uddin, Ben Gaiarin, Devaja Shah, Elinor Kruse, Wallace Hogsett, David Zelinsky, John Cangialosi, Jonathan Martinez, James Franklin, Mark DeMaria, Kate Musgrave, Caroline L. Bain, Helen Titley, Jacklynn Stott, Remi Lam, Aaron Bell, Paul Komarek, Matthew Willson, Alvaro Sanchez-Gonzalez és Peter Battaglia.
Megjegyzés: hivatalos figyelmeztetések és előrejelzések esetén mindig a helyi meteorológiai szolgálat vagy nemzeti időjárási szolgálat tájékoztatását kövesse.
