Google DeepMind abre o código dos modelos WeatherNext para ciclones
O modelo de AI acrescenta mais de 24 horas de antecedência às previsões de ciclones, diz a DeepMind.
Por que importa
O lançamento amplia a previsão do tempo por AI, passando de previsões globais para a previsão de ciclones de alto impacto, em que mais antecedência pode influenciar o planejamento de emergências. Pesos e código abertos dão a pesquisadores e agências meteorológicas uma forma de testar, adaptar e examinar a abordagem.
Pontos-chave
- 1.O WeatherNext Cyclones acrescenta mais de 24 horas de antecedência às previsões, diz a DeepMind.
- 2.O Google está liberando código e pesos dos modelos WeatherNext 2 e Cyclones.
- 3.Um modelo compacto WeatherNext 2-mini pode rodar em um notebook Colab gratuito.
A Google DeepMind afirmou que seu modelo WeatherNext Cyclones alcançou precisão de ponta na previsão da trajetória, intensidade e estrutura dos ventos de ciclones, com previsões de três dias igualando a precisão que modelos anteriores ofereciam para dois dias. O trabalho, publicado na Nature, foi desenvolvido com o Google Research e meteorologistas, incluindo o National Hurricane Center, o CIRA, o UK Met Office e outras agências meteorológicas. O Google está abrindo o código do WeatherNext 2 e do WeatherNext Cyclones, incluindo código e pesos dos modelos, e lançando uma versão compacta, o WeatherNext 2-mini, que pode rodar em um notebook Colab público e gratuito.
⚡ Experimente hoje
Revise os modelos WeatherNext de código aberto e use o WeatherNext 2-mini no Colab para uma avaliação inicial antes do uso operacional.
Fontes e reportagens originais
Este resumo sintetiza e linka a cobertura dos veículos abaixo.
Gostou deste resumo? Receba o próximo no seu e-mail.
Mais em Pesquisa
Google DeepMind apresenta modelo de tradução de língua de sinais para texto
O SL2T da DeepMind impulsiona novos recursos de língua de sinais para pessoas surdas e com deficiência auditiva.
Equipe MiLMMT lança modelos de tradução sem referência
O MiLMMT-46-v1.0 usa GRPO e interpolação de checkpoints para aprimorar a tradução multilíngue aberta.
DistilVDR comprime a recuperação visual de documentos
O recuperador de 524 milhões de parâmetros usa destilação bilateral a partir de um professor visão-linguagem de 8B.