DeepMind-ի WeatherNext մոդելը նոր չափանիշ է սահմանել ցիկլոնների կանխատեսման մեջ

Google DeepMind-ը Nature ամսագրում հրապարակել է հոդված WeatherNext-ի մասին՝ արհեստական բանականության մոդել, որը արևադարձային ցիկլոնների կանխատեսման մեջ հասնում է ամենաբարձր ճշգրտության։ Մոդելը միաժամանակ կանխատեսում է փոթորկի ուղին, ուժգնությունը և քամու կառուցվածքը՝ երեք հատկանիշ, որոնք մինչ այժմ պահանջում էին երկու տարբեր տեսակի թվային եղանակի մոդելներ։

Լրացուցիչ ամբողջ օր նախազգուշացման համար

Հոդվածի համաձայն՝ WeatherNext-ը միջինում մոտ մեկ օրով երկարացնում է կանխատեսման օգտակար ճշգրտությունը. նրա եռօրյա կանխատեսումը նույնքան ճշգրիտ է, որքան նախորդ մոդելների երկօրյա կանխատեսումը։ DeepMind-ի գնահատմամբ՝ նման աճը մոտավորապես հավասար է օդերևութաբանության մեկ տասնամյակի առաջընթացին։ Արևադարձային ցիկլոնները՝ փոթորիկներն ու թայֆունները, Երկրի վրա ամենակործանարար եղանակային երևույթներից են. վերջին 50 տարում դրանք աշխարհում պատճառել են ավելի քան 700 հազար մահ և 1,4 տրիլիոն դոլար տնտեսական կորուստ։

Ինչպես է աշխատում մոդելը

WeatherNext-ը միաժամանակ մարզվել է երկու տեսակի տվյալների վրա՝ գլոբալ մթնոլորտային դինամիկայի և փորձագետների հավաքած ցիկլոնների պատմական դիտարկումների։ Ընդհանուր առմամբ մոդելը սովորել է շուրջ 20 տերաբայթ մթնոլորտային տվյալից և IBTrACS շտեմարանից, որն ընդգրկում է գրեթե 5000 պատմական փոթորիկ։ Կանխատեսումների համույթներ ստեղծելու համար օգտագործվում են Functional Generative Networks ցանցերը. 15-օրյա կանխատեսումը գեներացվում է մեկ TPU-ի վրա մեկ րոպեից պակաս ժամանակում։ Անցյալ տարի համակարգը միաժամանակ արտադրում էր 50 կանխատեսում, այս տարի համույթը հասցվել է 1000 անդամի՝ բավարար հազվադեպ, բայց ծանր հետևանքներ ունեցող սցենարները՝ օրինակ փոթորկի արագ ուժեղացումը, ընդգրկելու համար։

Հետազոտողները նաև անսպասելի արդյունք են արձանագրում. WeatherNext Cyclones-ին անհրաժեշտ են ընդամենը 28x28 կիլոմետր լուծաչափության մուտքային տվյալներ՝ մոտ 100 անգամ ավելի կոպիտ, քան ավանդական մոդելներինը, և այնուամենայնիվ հասնում է լավագույն արդյունքի։ Ավելի փոքր WeatherNext 2-mini տարբերակը աշխատում է 111x111 կմ լուծաչափությամբ մեկ TPU-ի վրա, այդ թվում՝ անվճար հանրային Colab նոթբուքում։ Թե ինչու են այդքան կոպիտ տվյալները բավարարում, մնում է բաց հետազոտական հարց։

Բաց կոդ և գործնական կիրառություն

Nature-ի հոդվածի հետ մեկտեղ Google DeepMind-ը բաց կոդով հրապարակել է WeatherNext 2-ի և WeatherNext Cyclones-ի կոդն ու մոդելի կշիռները՝ ազատորեն հասանելի ակադեմիական հետազոտությունների, օպերատիվ կանխատեսման և տեղական մոդելների մշակման համար։ Աշխատանքն իրականացվել է ԱՄՆ Փոթորիկների ազգային կենտրոնի (NHC), Մթնոլորտի հետազոտության համագործակցային ինստիտուտի (CIRA), Մեծ Բրիտանիայի Met Office-ի և այլ եղանակային ծառայությունների հետ համատեղ։ Գործնական ազդեցությունն արդեն տեսանելի է. 2025 թվականի փոթորիկների սեզոնին մոդելն օգնեց NHC-ին հրապարակել պատմական կանխատեսում «Մելիսա» փոթորկի արագ ուժեղացման և Ճամայկայում ցամաք հասնելու մասին։ Կանխատեսումները հասանելի են վերջերս թարմացված Weather Lab հարթակում։