Googleが「高度な天気予報AI」MetNet-3を発表、その予測結果は従来の物理モデルを超えていると主張

Google Research と DeepMind が協力して、以前の MetNet と MetNet-2 に基づいた最新の気象モデル MetNet-3 を開発したことが 11 月 3 日に報告されました。降水量、表面温度、風速、風向、体温などの世界の気象状況を 24 時間前に高解像度で予測できます。

このサイトでは、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、1 ～ 4 キロメートルの範囲の空間解像度で「スムーズかつ高精度」の予測を作成できます。間隔は2分です。 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により証明されており、例えば従来の物理基本モデルである「NWP（数値天気予報）」や「Rapid Refresh Model（HRRR）」はいずれもMetNet-3の予測能力を上回っています。

##MetNet-3 は、従来の気象予測手法に基づく他の機械学習手法とは異なり、重要な点は、MetNet-3 が大気観測データを直接使用して学習および評価を行うことです。 。研究者らは、直接観察の利点はデータ密度と解像度が高いことであると述べました。また、MetNet-3では、従来のMetNetモデルからのデータを引き継いだほか、気象観測所からの気温や風速の計測データも新たに学習し、全地点の網羅的な気象予測を試みています。

研究者らは、MetNet-3 の主要な革新は、高密度化技術を使用して天気予報の精度と範囲を向上させることであると指摘しました。基礎的な物理モデルを利用して天気を予測するには、実際の観測データをモデルに統合する「データ同化」と、それら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 では高密度化テクノロジーを使用して、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 つのステップを統合し、より迅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、モデルがデータを取得して処理する効率が向上し、ニューラル ネットワークを利用して天気予報の精度が向上します。同時に、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 ストリームをそれぞれ独立して処理できるため、より正確かつ包括的な天気予報を取得できます。

さらに、 「直接観測」を使用 データは、MetNet-3 モデルに空間と時間に基づいた高解像度の利点をもたらすための学習サンプルとして使用されます 気象観測所と地上レーダー局は、1 km の解像度で特定の場所の測定データを提供できます数分ごとに。比較すると、世界で最も先進的な物理モデルでさえ、9 km の解像度でしかデータを生成できず、6 時間ごとの時間予報を提供できません。

MetNet-3は、高密度化技術やリードタイム調整（リードタイムコンディショニング）技術と組み合わせることで、収集した観測データを最短2分間隔で効率的に処理・シミュレーションすることができ、高解像度の直接観測方式である MetNet-3 は、2 分の時間分解能で 24 時間の天気予報を生成でき、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。

さらに、MetNet-3 は地上レーダーからの降水量推定も利用しているため、気象観測所で観測される気象情報と比較して、より広範囲のデータから学習することができます。したがって、MetNet-3 の予測結果は、風速と降水量の点で業界の最先端の物理モデルよりも優れています。

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、その予測結果は従来の物理モデルを超えてい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。