DeepMind открыла код WeatherNext, модели, предсказывающей ураганы на сутки раньше
Google DeepMind вместе с Google Research опубликовала в журнале Nature статью о семействе моделей WeatherNext для прогнозирования тропических циклонов (ураганов, тайфунов), одного из самых разрушительных видов погодных явлений: за последние 50 лет они унесли более 700 000 жизней и нанесли $1,4 трлн экономического ущерба по всему миру. По данным компании, модель WeatherNext достигла рекордной точности в предсказании траектории циклона, его силы и структуры ветра: в среднем она даёт синоптикам дополнительные сутки точного прогноза, трёхдневный прогноз WeatherNext получается таким же точным, каким раньше был лишь двухдневный прогноз у прежних моделей. По оценке DeepMind, по масштабу такой скачок сопоставим примерно с десятилетием прогресса метеорологии.
Работу вели вместе с синоптиками Национального центра ураганов США (NHC), Совместного института исследований атмосферы (CIRA), Метеослужбы Великобритании и других метеоагентств. Модель уже применяется на практике: во время сезона ураганов 2025 года она помогла NHC сделать исторический прогноз по урагану «Мелисса», предсказать его резкое усиление и высадку на Ямайке, что дало синоптикам дополнительное время на подготовку. В этом сезоне DeepMind предсказывает уже 1000 возможных сценариев развития для каждого циклона, тогда как год назад система выдавала 50 прогнозов одновременно, на уровне классических физических моделей.
Технически WeatherNext решает задачу, которая раньше требовала двух разных подходов: траекторию циклона определяют глобальные атмосферные потоки, которые лучше моделировали грубые глобальные модели, а силу циклона, локальные термодинамические процессы в его ядре, для которых нужны специализированные модели высокого разрешения. WeatherNext, единая модель, которая предсказывает и то, и другое сразу. Она обучена одновременно на глобальных данных о погоде (почти 20 терабайт) и на исторической базе циклонов IBTrACS (почти 5000 штормов), а для генерации набора прогнозов использует функциональные генеративные сети (FGN), один 15-дневный прогноз модель формирует на TPU меньше чем за минуту. Отдельно отмечается, что WeatherNext Cyclones работает при разрешении входных данных всего 28×28 км, в 100 раз более грубом, чем у традиционных моделей, а облегчённая версия WeatherNext 2-mini, при ещё более грубом разрешении 111×111 км. По словам DeepMind, это удивило самих исследователей: почему модель так точна при столь низком разрешении входных данных, пока остаётся открытым научным вопросом.
Вместе со статьёй в Nature DeepMind открывает код и веса моделей WeatherNext 2, WeatherNext Cyclones и WeatherNext 2-mini, их можно свободно использовать для академических исследований, оперативного прогнозирования или создания собственных специализированных моделей. WeatherNext 2-mini достаточно компактна, чтобы запускаться на одном TPU в бесплатном блокноте Colab. Прогнозы моделей можно посмотреть на обновлённой платформе Weather Lab, которая теперь визуализирует не только треки циклонов, но и глобальные прогнозы температуры, осадков и скорости ветра; оба сервиса входят в программу Google Earth AI.
Ключевые факты
- Google DeepMind опубликовала в Nature статью о модели WeatherNext, которая точнее прежних систем предсказывает траекторию, силу и структуру ветра тропических циклонов и в среднем даёт синоптикам дополнительные сутки точного прогноза
- Модель уже помогла Национальному центру ураганов США предсказать резкое усиление и высадку урагана «Мелисса» на Ямайке в сезон 2025 года; в этом сезоне она рассчитывает уже 1000 сценариев на циклон против 50 годом ранее
- WeatherNext, единая модель, объединяющая прогноз траектории и интенсивности, которые раньше требовали разных подходов; обучена на почти 20 терабайтах атмосферных данных и базе из почти 5000 исторических штормов IBTrACS
- Модель работает при разрешении входных данных 28×28 км (WeatherNext Cyclones) и 111×111 км (WeatherNext 2-mini), в 100 раз грубее традиционных систем, что удивило самих исследователей и остаётся открытым научным вопросом
- DeepMind открывает код и веса WeatherNext 2, WeatherNext Cyclones и WeatherNext 2-mini для свободного использования; лёгкая версия работает на одном TPU в бесплатном Colab, прогнозы доступны на платформе Weather Lab
Почему это важно
Тропические циклоны, одно из самых смертоносных и дорогостоящих природных явлений: за 50 лет они унесли более 700 000 жизней и нанесли $1,4 трлн ущерба, а точность и скорость прогноза напрямую определяют, успеют ли люди эвакуироваться. WeatherNext впервые в одной модели объединяет предсказание траектории и интенсивности циклона, раньше для этого нужны были разные типы моделей, и даёт синоптикам в среднем лишние сутки точного прогноза, что DeepMind сравнивает по масштабу с десятилетием прогресса метеорологии.
Кому это важно
В первую очередь, метеорологическим службам и синоптикам: модель уже работает в связке с Национальным центром ураганов США, Совместным институтом исследований атмосферы и Метеослужбой Великобритании. Открытый код полезен исследователям погоды и разработчикам специализированных локальных моделей, а через платформу Weather Lab прогнозами могут пользоваться и обычные люди в регионах, подверженных ураганам, тайфунам и другим экстремальным явлениям.
Как это применить
Код и веса моделей WeatherNext 2, WeatherNext Cyclones и WeatherNext 2-mini открыты и доступны бесплатно, для академических исследований, оперативного прогнозирования погоды или дообучения собственных специализированных моделей. Компактная WeatherNext 2-mini запускается на одном TPU прямо в бесплатном блокноте Google Colab, а посмотреть прогнозы без установки чего-либо можно на сайте Weather Lab, который показывает и траектории циклонов, и глобальные прогнозы температуры, осадков и ветра.
Можно ли доверять
Результаты прошли рецензирование и опубликованы в Nature, а модель уже показала себя на практике: в сезон ураганов 2025 года она помогла Национальному центру ураганов США спрогнозировать резкое усиление и высадку урагана «Мелисса» на Ямайке. При этом в самом блоге DeepMind не приводит точных числовых метрик ошибки (в процентах или RMSE) для прогнозов траектории, интенсивности или ветра, только сравнение по дням упреждения; а то, почему модель настолько точна при столь грубом разрешении входных данных, сама компания называет открытым научным вопросом.
Риски и подводные камни
Механизм, благодаря которому модель работает точно на разрешении в 100 раз грубее традиционного, пока не объяснён даже самими разработчиками. В материале не указаны ни точная дата публикации (кроме "сегодня"), ни дата выхода открытого кода и весов, ни год операционного запуска WeatherNext 2 в октябре. DeepMind прямо оговаривает: за официальными прогнозами и предупреждениями об ураганах нужно обращаться в местную метеослужбу или национальную службу погоды, а не к самой модели.