Google DeepMind заявила, что WeatherNext совершил прорыв в прогнозировании циклонов
Ключевые выводы
- •ИИ-модель WeatherNext от Google DeepMind обеспечивает более 24 часов дополнительного прогностического времени упреждения при прогнозировании траектории, интенсивности и ветровой структуры циклонов.
- •Модель обучена на почти 20 терабайтах глобальных атмосферных данных в сочетании с историческими записями, охватывающими примерно 5000 прошедших штормов.
- •В сезон ураганов 2025 года WeatherNext помог Национальному центру ураганов прогнозировать быструю интенсификацию урагана Мелисса и его выход на сушу на Ямайке, что позволило выпустить предварительное предупреждение.
- •Google DeepMind открывает исходный код и веса моделей WeatherNext 2 и WeatherNext Cyclones, а также компактной версии WeatherNext 2-mini, работающей на одном TPU.
- •Модель достигает своей точности, используя входные данные с разрешением 28x28 километров — примерно в 100 раз грубее, чем требуют традиционные системы прогнозирования циклонов.
Google DeepMind заявила, что WeatherNext совершил прорыв в прогнозировании циклонов
Команда WeatherNext
WeatherNext обеспечивает точные прогнозы циклонов, которые могут дать дополнительный день предупреждения. Google DeepMind теперь открывает исходный код модели.
Прогнозирование развития опасных циклонов давно является задачей, в которой важен каждый час. Тропические циклоны — также известные как ураганы или тайфуны — относятся к числу самых разрушительных погодных явлений на Земле, ответственным за более чем 700 000 смертей и 1,4 триллиона долларов экономических потерь во всём мире за последние 50 лет. Для метеорологов своевременное и точное предупреждение — это постоянная гонка со временем. Организация Объединённых Наций сделала системы раннего предупреждения глобальным приоритетом в рамках своей инициативы «Раннее предупреждение для всех», цель которой — обеспечить к 2027 году защиту каждого человека на Земле системами оповещения об опасностях.
Сегодня в статье, опубликованной в Nature, Google DeepMind сообщила, что её ИИ-модель WeatherNext достигла передовой точности в прогнозировании траектории, интенсивности и ветровой структуры циклонов. В среднем модель предоставляет метеорологам дополнительный день прогностической точности: её трёхдневные прогнозы настолько же точны, насколько предыдущие модели могли прогнозировать только на два дня вперёд. Компания заявила, что такой масштаб улучшения примерно эквивалентен десятилетию метеорологического прогресса. WeatherNext развивает более ранние ИИ-модели прогнозирования погоды Google — GraphCast и GenCast, — расширяя это направление исследований с особым акцентом на тропические циклоны.
Эта работа объединила исследователей и инженеров в области ИИ из Google DeepMind и Google Research, а также экспертов-метеорологов из Национального центра ураганов (NHC), Кооперативного института исследований атмосферы (CIRA), Метеорологической службы Великобритании (UK Met Office) и метеорологических служб по всему миру.
Google сообщила, что исследование уже оказало реальное влияние. В сезон ураганов 2025 года модель помогла NHC сделать исторический прогноз по урагану Мелисса, предсказав быструю интенсификацию шторма и его выход на сушу на Ямайке. Это позволило NHC выпустить предварительное предупреждение, дав командам на месте критически важное время для подготовки. В этом году группы продолжают сотрудничество и теперь прогнозируют 1000 возможных сценариев для каждого циклона, чтобы помочь метеорологам в принятии решений.
Погода влияет на каждого человека. Учитывая это широкое воздействие, Google DeepMind открывает исходный код своих моделей WeatherNext 2 и WeatherNext Cyclones, использовавшихся в сезон ураганов. Делая технологию общедоступной, компания выразила надежду поддержать исследовательское сообщество и расширить роль ИИ в создании более устойчивых сообществ — в том числе помогая местным метеорологам готовиться к стихийным бедствиям, поддерживая развитие возобновляемой энергетики и прогнозируя экстремальные погодные явления. Выпуск моделей с открытым исходным кодом выходит на поле, где в последние годы несколько технологических компаний, включая NVIDIA и Huawei, опубликовали ИИ-модели прогнозирования погоды, что отражает растущий интерес отрасли к применению машинного обучения в оперативной метеорологии.
Как WeatherNext прогнозирует погоду и циклоны
Начиная с глобальных атмосферных условий во время урагана Милтон в октябре 2024 года, WeatherNext Cyclones итеративно прогнозирует как глобальные погодные паттерны, так и детализированные траектории циклонов с заблаговременностью до 15 дней. Запуск ансамбля из 1000 элементов генерирует локализованные вероятностные карты ветра от силы тропического шторма до силы урагана.
Прогнозирование циклонов традиционно требовало компромисса между двумя различными подходами к моделированию. Траектория циклона — куда он движется — направляется крупномасштабными глобальными атмосферными течениями, которые обычно лучше всего моделировались более грубыми глобальными системами. Интенсивность циклона — насколько сильным он становится — зависит от высоколокализованных мелкомасштабных термодинамических процессов вокруг его ядра, которые, как правило, моделируются специализированными локальными системами более высокого разрешения.
Google сообщила, что WeatherNext преодолевает этот разрыв, улучшая прогнозирование как глобальной погоды, так и циклонов. Это единая ИИ-модель, которая прогнозирует траекторию, интенсивность и ветровую структуру тропического циклона с передовой точностью. Компания заявила, что прорыв достигнут благодаря комбинации обучения, архитектуры и подхода к входным данным низкого разрешения.
WeatherNext Cyclones была оценена на исторических циклонах за 2023–2024 годы; её детерминированные и вероятностные показатели были сопоставлены с другими ведущими погодными моделями. В среднем модель обеспечивает более одного полного дня, или 24 часа, преимущества по времени упреждения при прогнозировании траектории, интенсивности и ветровой структуры циклонов.
Модель была совместно обучена на двух различных модальностях данных: глобальной погодной динамике и курируемых экспертами исторических наблюдениях за циклонами. Она прошла сквозное обучение на почти 20 терабайтах глобальных атмосферных данных и исторической базе данных IBTrACS, охватывающей около 5000 исторических штормов, что позволило ей выявлять сложные атмосферные закономерности и моделировать поведение экстремальных погодных явлений.
Точность прогнозирования циклонов неуклонно повышалась в последние десятилетия. Google сообщила, что графики в статье демонстрируют трёхдневную точность прогнозов траектории ECMWF-ENS и прогнозов интенсивности HWRF с течением времени, а также то, как WeatherNext Cyclones обеспечивает качественный скачок в точности как для траектории, так и для интенсивности. Компания заявила, что это улучшение эквивалентно примерно десятилетию прогресса, исходя из тенденций за последние 20 лет.
Модель использует функциональные генеративные сети (FGN) для эффективного создания ансамблей различных прогнозов, отражающих неотъемлемую неопределённость погоды. Google сообщила, что теперь может генерировать один 15-дневный прогноз менее чем за минуту на TPU, позволяя метеорологам быстро оценивать распределение вероятностей потенциально разрушительных хвостовых рисков. В прошлом году система создавала 50 прогнозов одновременно, что соответствовало глобальным физическим моделям. В этом году Google увеличила размер ансамбля до 1000 элементов для лучшего учёта редких, но значимых сценариев, таких как события быстрой интенсификации, произошедшие во время урагана Мелисса в 2025 году.
До настоящего времени очень высокое пространственное разрешение обычно считалось главным фактором точного прогнозирования интенсивности. Однако WeatherNext Cyclones требует данных с разрешением всего 28x28 км, что в 100 раз грубее, чем у традиционных моделей. Меньшая версия модели — WeatherNext 2-mini, работающая на ещё более грубом разрешении 111x111 км, — также продемонстрировала высокие результаты. Google сообщила, что это удивило учёных, и вопрос о том, как именно модели удаётся производить такие точные прогнозы при таком разрешении, остаётся открытой исследовательской задачей.
Открытие WeatherNext для исследовательского сообщества
Наряду со статьёй в Nature, Google DeepMind открывает исходный код и веса модели, делая их свободно доступными для всех желающих. Компания сообщила, что это включает академические исследования, оперативное прогнозирование и разработку более специализированных локализованных моделей. Она надеется, что выпуск ускорит прогресс в глобальном метеорологическом сообществе и поможет метеорологическим службам, исследователям и некоммерческим организациям лучше прогнозировать погодные явления и принимать ключевые решения для защиты жизней и инфраструктуры.
Google также выпускает два набора аналогичных моделей: WeatherNext Cyclones, которая работала в сезон ураганов и результаты которой отражены в статье; и WeatherNext 2 — более позднее обновление, внедрённое в эксплуатацию в октябре. Кроме того, компания выпускает WeatherNext 2-mini — компактную версию модели, способную работать на одном TPU в бесплатной общедоступной записной книжке Colab.
Пользователи также могут изучить новейшие прогнозы циклонов на Weather Lab, который Google недавно обновила новым интерфейсом и расширила, включив глобальные погодные прогнозы наряду с траекториями циклонов. Weather Lab теперь позволяет визуализировать прогнозы WeatherNext для температуры, осадков, скорости ветра и других параметров в едином представлении. Как Weather Lab, так и модели WeatherNext являются частью Google Earth AI.
Расширение границ ИИ в прогнозировании погоды
Google сообщила, что достигла исторического прорыва, получив более одного полного дня времени упреждения при прогнозировании циклонов — достижение, которое она описала как эквивалентное десятилетию метеорологического прогресса. Готовясь к будущим сезонам штормов, компания приглашает исследователей, метеорологические службы и экспертов к партнёрству на основе моделей с открытым исходным кодом и изучению прогнозов на Weather Lab.
Объединяя передовое машинное обучение с незаменимым практическим опытом метеорологов, Google стремится создать экосистему совместного прогнозирования погоды, способную спасать жизни и помогать сообществам адаптироваться к меняющемуся климату.
Примечание: За официальными прогнозами погоды и предупреждениями обращайтесь в местную метеорологическую службу или национальную службу погоды.
Благодарности
Это исследование было совместно разработано командами Google DeepMind и Google Research.
Google поблагодарила своих партнёров из Национального центра ураганов NOAA/NWS/NCEP, Кооперативного института исследований атмосферы (CIRA) и Метеорологической службы Великобритании (UK Met Office) за сотрудничество и вклад в статью.
Соавторы статьи: 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 и Peter Battaglia.
