WeatherNext 2 发布说明 / 新功能

Google DeepMind 和 Google Research 推出了 WeatherNext 2，这是一个天气预报模型，相比之前的版本生成预测速度快 8 倍，并提供分辨率可达 1 小时。该模型能够从单一输入生成数百种可能的天气情景，与传统基于物理的超级计算机模型相比，显著降低了生成预报所需的时间。

功能生成网络（FGN）架构

WeatherNext 2 采用了一种称为功能生成网络（FGN）的新 AI 建模方法。该架构直接在模型的函数空间中注入噪声，以在预测中创建连贯的变异性，同时确保预测保持物理上真实且相互关联。

边缘和联合预测

FGN 方法使模型能够在 "marginals" 上进行训练——即单独的、独立的天气要素，例如湿度、特定高度的风速或特定位置的温度。尽管仅在这些 "marginals" 上进行训练，模型仍能学会预测 "joints"，即大型、复杂且相互关联的系统。此能力对于预测区域效应至关重要，例如识别受高温影响的地区或估算整个风电场的功率输出。

性能和准确性基准

WeatherNext 2 相较于之前的最先进 WeatherNext 模型展示了显著的改进：

  • 变量准确性： 该模型在 99.9% 的变量上超越其前身，包括风速、温度和湿度。
  • 提前期： 在 0 到 15 天的提前期范围内观察到改进。
  • 推理速度： 在单个 TPU 上进行一次预测所需时间少于一分钟，而基于物理的超级计算机模型通常需要数小时。

集成与可用性

Google 正将 WeatherNext 2 技术集成到多个消费者和开发者产品中，以将研究从实验室推向实际应用：

消费者产品集成

以下服务的天气预报已升级：

  • Google Search
  • Gemini
  • Pixel Weather
  • Google Maps Platform Weather API
  • Google Maps (即将在接下来的几周内集成)

开发者和研究访问

预报数据和模型访问可通过以下渠道获得：

  • Earth Engine: 数据可在 Earth Engine 数据目录中获取。
  • BigQuery: 可通过 BigQuery 查询预报数据。
  • Vertex AI: 在 Google Cloud 的 Vertex AI 平台上提供早期访问计划，以进行自定义模型推理。

Sources