DeepMind åpner WeatherNext: vekter, kode og en minimodell som kjører i gratis Colab

20 terabyte globale atmosfæredata og rundt 5 000 historiske stormer fra IBTrACS-databasen ligger bak modellen DeepMind nå legger ut vektene til. Bakgrunnen er en artikkel i Nature der WeatherNext ifølge DeepMind når toppnivå på å forutsi en syklons bane, intensitet og vindstruktur i én og samme modell. Treffsikkerheten på tre døgn tilsvarer det tidligere modeller klarte på to.

Det tekniske poenget er hvor lite oppløsning som skal til. WeatherNext Cyclones jobber på 28 x 28 kilometer, rundt 100 ganger grovere enn tradisjonelle modeller, og en mindre variant kalt WeatherNext 2-mini klarer seg på 111 x 111 kilometer. DeepMind skriver at dette har overrasket forskerne, og at det fortsatt er et åpent spørsmål hvorfor modellene treffer så godt på så grov oppløsning.

Modellen bruker Functional Generative Networks til å produsere ensembler. I fjor kjørte systemet 50 prediksjoner om gangen, på nivå med globale fysikkmodeller. I år er ensemblet skalert til 1 000 medlemmer for å fange sjeldne utfall som rask intensivering, slik det skjedde under orkanen Melissa i 2025, der modellen bidro til at National Hurricane Center kunne varsle tidligere.

Åpne vekter fra et industrilaboratorium på et felt der de fleste modellene har vært lukkede, er den delen som betyr noe for andre enn meteorologer. Koden og vektene er fritt tilgjengelige for videre bygging, enten det er akademisk arbeid, operativ varsling eller mer spesialiserte lokale modeller.

Hva bør du gjøre?

1. Start med WeatherNext 2-mini hvis du bare vil se modellen kjøre. Den er laget for å gå på én TPU i en gratis, offentlig Colab-notatbok.
2. Ikke bruk utdataene som varsel. DeepMind viser eksplisitt til nasjonale meteorologiske tjenester for offisielle varsler og farevarsler.