Googleが「高度な天気予報AI」MetNet-3を発表、超伝統的な物理モデルを予測すると主張

IT House は 11 月 3 日、Google Research と DeepMind が協力して最新の気象モデル MetNet-3 を開発したと報告しました。このモデルは以前の MetNet と MetNet-2 に基づいており、全世界の天気を 24 時間前に予測できます。降水量、表面温度、風速、風向、体感温度などの状況を予測します。

IT House は、Google がモバイル プラットフォーム上の「Google モバイル ソフトウェア」天気予報に MetNet-3 モデルが実装されていると言及していることを発見しました。

MetNet-3 モデルは、空間分解能 1 ～ 4 キロメートル、分析間隔 2 分で「滑らかで高精度」な予報を作成でき、MetNet-3 の予測能力は従来の物理天気予報モデルを上回ることが実験で証明されました。 、従来の物理基本モデル「NWP（数値天気予報）」や「Rapid Refresh Model（HRRR）」などは、いずれもMetNet-3によって上回られています。

MetNet-3 は、従来の気象予測手法に基づく機械学習手法とは異なり、大気観測データを直接学習・評価に利用することがポイントです。研究者らは、直接観察の利点はデータの密度と解像度が高いことだと指摘した。さらに、MetNet-3 では、従来の MetNet モデルのデータを継承するだけでなく、気象観測所からの気温や風速の測定データも追加し、各地の気象状況を総合的に予測することを試みています。

研究者らは、MetNet-3 の主要な革新は、天気予報の精度と範囲を向上させるための高密度化と呼ばれる技術の使用であると述べました。

従来の物理基礎モデルでは、気象予測には通常、実際の観測データをモデルに統合する「データ同化」と、そのデータに基づいて天気を予測する「シミュレーション」の2つのステップが必要です。

MetNet-3では、ニューラルネットワークによる「データ同化」と「シミュレーション」の2つのステップを組み合わせた高密度化技術により、より高速かつ直接的な気象予測を実現します。このテクノロジーにより、モデルのデータ取得と処理の効率が向上すると同時に、ニューラル ネットワークを使用して天気予報の精度が向上します。 MetNet-3 モデルは、等高線情報、衛星情報、レーダー情報などを含む特定のデータ ストリームを個別に処理して、より正確かつ包括的な天気予報を取得できます。

さらに、MetNet-3 モデルは、空間と時間に基づいた高解像度の利点を得るために、学習サンプルとして「直接観察された」データを使用します。気象観測所と地上レーダー観測所は、数分ごとに 1 キロメートルの解像度で場所固有の測定値を提供します。それに比べて、世界で最も先進的な物理モデルでさえ、9 キロメートルの分解能でデータを生成し、6 時間ごとの時間予測を提供することしかできません。

MetNet-3 は、収集した観測データを最短 2 分間隔で効果的に処理およびシミュレーションすることができ、高密度化技術、リードタイムコンディショニング技術、高解像度の直接観測手法を組み合わせて、24 時間の予測を生成できます。時間分解能は 2 分で、より正確でリアルタイムの天気予報情報をユーザーに提供します。

また、MetNet-3 では、測候所が観測する気象情報に比べ、地上レーダーから収集した降水量の推定値も利用するため、風速や降水量など、学習データの範囲が広くなります。予測結果は、業界の最先端の物理モデルよりもはるかに優れています。

MetNet-3 の主な価値は、機械学習テクノロジーを使用してリアルタイムで天気を正確に予測し、Google 製品で天気予報サービスを提供できることです。このモデルは、常に収集される最新のデータに基づいて、完全かつ正確な予報を継続的に作成します。研究者らは、これは従来の物理的推論システムとは異なり、天気予報特有のニーズをより適切に満たすことができると述べています。

以上がGoogleが「高度な天気予報AI」MetNet-3を発表、超伝統的な物理モデルを予測すると主張の詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。