Google DeepMind veröffentlicht WeatherNext-Zyklonmodelle als Open Source
Das KI-Modell verschafft Zyklonprognosen laut DeepMind mehr als 24 Stunden zusätzliche Vorlaufzeit.
Warum es wichtig ist
Die Veröffentlichung erweitert KI-gestützte Wettervorhersagen von globalen Prognosen auf besonders folgenreiche Zyklonvorhersagen, bei denen zusätzliche Vorlaufzeit die Notfallplanung beeinflussen kann. Offene Gewichte und offener Code geben Forschern und Wetterdiensten die Möglichkeit, den Ansatz zu testen, anzupassen und kritisch zu prüfen.
Die Kernpunkte
- 1.WeatherNext Cyclones verschafft laut DeepMind mehr als 24 Stunden zusätzliche Vorhersagezeit.
- 2.Google veröffentlicht Code und Modellgewichte für WeatherNext 2 und Cyclones.
- 3.Ein kompaktes Modell WeatherNext 2-mini kann in einem kostenlosen Colab-Notebook laufen.
Google DeepMind zufolge erreicht das Modell WeatherNext Cyclones Spitzenwerte bei der Vorhersage von Zugbahn, Intensität und Windstruktur von Zyklonen; Drei-Tage-Prognosen seien dabei so genau wie frühere Modelle nach zwei Tagen. Die in Nature veröffentlichte Arbeit entstand gemeinsam mit Google Research und Meteorologen, darunter dem National Hurricane Center, CIRA, dem UK Met Office und weiteren Wetterdiensten. Google stellt WeatherNext 2 und WeatherNext Cyclones als Open Source bereit, einschließlich Code und Modellgewichten, und veröffentlicht zudem eine kompakte Version WeatherNext 2-mini, die in einem kostenlosen öffentlichen Colab-Notebook laufen kann.
⚡ Heute ausprobieren
Prüfen Sie die Open-Source-Modelle von WeatherNext und nutzen Sie WeatherNext 2-mini in Colab für eine erste Bewertung vor einem operativen Einsatz.
Quellen & Originalberichte
Dieser Brief fasst die Berichterstattung der folgenden Medien zusammen und verlinkt sie.
Hat dir dieses Briefing gefallen? Erhalte das nächste per Mail.
Mehr in Forschung
DistilVDR komprimiert die visuelle Dokumentensuche
Der Retriever mit 524 Millionen Parametern nutzt bilaterale Destillation von einem 8B-Vision-Language-Lehrmodell.
Forscher schlagen Power Law Graph Attention vor
PLGA verallgemeinert Scaled Dot-Product Attention und berichtet von Inferenz-Kollaps unter exakter Invarianz.
Neue Papers zielen auf VLM-Reasoning für lange Dokumente
InSight-doc, DocAtlas und DocMemo schlagen agentische Ansätze vor, um Belege in komplexen Dokumenten zu finden.