Предсказание того, как развиваются опасные циклоны, — давняя задача, где на счету каждый час. Тропические циклоны, известные также как ураганы или тайфуны, входят в число самых разрушительных явлений погоды на Земле: за последние 50 лет они стали причиной более 700 000 смертей и 1,4 триллиона долларов экономических потерь по всему миру. Для прогнозистов своевременное и точное предупреждение — это постоянная гонка со временем.
В статье, опубликованной в Nature, показано, что модель WeatherNext от Google DeepMind достигла рекордной точности в прогнозировании траектории циклона, его интенсивности и структуры ветра. В среднем модель даёт прогнозистам дополнительные сутки точности: трёхдневные прогнозы WeatherNext сопоставимы по качеству с тем, что раньше давали прежние модели лишь на два дня вперёд. Такой масштаб улучшения соответствует примерно десятилетию прогресса в метеорологии.
Совместную работу вели исследователи и инженеры Google DeepMind и Google Research вместе с экспертами-прогнозистами из National Hurricane Center (NHC), Cooperative Institute for Research in the Atmosphere (CIRA), UK Met Office и метеорологических агентств по всему миру.
Исследование уже принесло практическую пользу. В сезон ураганов 2025 года модель помогла NHC сделать исторический прогноз урагана Мелисса, предсказав быструю интенсификацию шторма и его выход на побережье Ямайки. Это позволило NHC выпустить предупреждение заранее, дав командам на месте критически важное время на подготовку. В этом году сотрудничество продолжается, и теперь для каждого циклона строится 1000 возможных сценариев развития, чтобы поддержать прогнозистов в принятии решений.
Погода влияет на всех, и с учётом такого масштаба воздействия модели WeatherNext 2 и WeatherNext Cyclones, использовавшиеся в сезон ураганов, теперь открыты с исходным кодом. Цель — дать исследовательскому сообществу инструменты для усиления влияния AI на устойчивость сообществ: от помощи локальным прогнозистам в подготовке к природным катастрофам до поддержки развития возобновляемой энергетики и прогнозирования экстремальной погоды.
Как WeatherNext прогнозирует погоду и циклоны
Начиная с глобальных атмосферных условий во время урагана Милтон (октябрь 2024 года), WeatherNext Cyclones итеративно предсказывает как глобальные погодные паттерны, так и мелкомасштабные траектории циклонов на срок до 15 дней вперёд. Запуск ансамбля из 1000 экземпляров формирует локализованные карты вероятностей ветра — от тропического шторма до ураганной силы.
Прогнозирование циклонов традиционно требовало компромисса между двумя разными подходами к моделированию. Траектория циклона (куда он движется) определяется масштабными глобальными атмосферными течениями, которые до сих пор лучше всего моделировались более грубыми глобальными моделями. Интенсивность циклона (насколько он усиливается), напротив, зависит от узколокальных термодинамических процессов вблизи его ядра, для которых лучше подходят специализированные локальные модели с высоким разрешением.
Модель WeatherNext устраняет этот разрыв, улучшая прогнозирование как глобальной погоды в целом, так и циклонов. Это единая AI-модель, которая предсказывает траекторию тропического циклона, его интенсивность и структуру ветра с рекордной точностью. Такой прорыв достигнут за счёт уникальной комбинации подхода к обучению, архитектуры и способа работы с входными данными низкого разрешения.
Модель WeatherNext Cyclones проверялась на исторических циклонах 2023–2024 годов, её детерминированные и вероятностные показатели сравнивались с другими ведущими погодными моделями. В среднем WeatherNext Cyclones даёт более суток (24 часа) дополнительного времени упреждения для прогноза траектории, интенсивности и структуры ветра циклона.
Модель обучалась совместно на двух разных типах данных: глобальной атмосферной динамике и экспертно размеченных исторических наблюдениях за циклонами. Сквозное обучение на почти 20 терабайтах глобальных атмосферных данных и исторической базе IBTrACS, охватывающей около 5000 исторических штормов, позволило модели изучить сложные атмосферные паттерны и способы моделирования экстремальной погоды.
Точность прогнозирования циклонов стабильно росла на протяжении последних десятилетий. На графиках показана трёхдневная точность прогнозов траектории ECMWF-ENS (a) и прогнозов интенсивности HWRF (b) по годам, а также то, как WeatherNext Cyclones даёт скачкообразное улучшение точности и по траектории, и по интенсивности. Это улучшение эквивалентно десятилетию прогресса, если судить по тенденциям последних 20 лет.
Модель использует Functional Generative Networks (FGN) для эффективного построения ансамблей различных прогнозов, что позволяет учитывать присущую погоде неопределённость. Один 15-дневный прогноз теперь генерируется менее чем за минуту на TPU, что даёт прогнозистам возможность быстро оценивать распределение вероятностей потенциально катастрофических событий-«хвостов». В прошлом году система выдавала 50 прогнозов за раз, на уровне глобальных физических моделей. В этом году размер ансамбля увеличен до 1000 экземпляров, что позволяет учитывать редкие, но значимые сценарии — такие как события быстрой интенсификации, как во время урагана Мелисса в 2025 году.
До сих пор считалось, что работа с очень высоким пространственным разрешением — главный фактор точных прогнозов интенсивности. Однако WeatherNext Cyclones требует данных с разрешением всего 28×28 км — в 100 раз грубее, чем у традиционных моделей. Меньшая версия модели, WeatherNext 2-mini, работающая с ещё более грубым разрешением 111×111 км, тоже показывает хороший результат. Это удивило учёных, и вопрос о том, как модели добиваются такой точности при подобном разрешении, остаётся открытым для исследования. В команде надеются разобраться в этом вместе с исследовательским сообществом.
Открытие WeatherNext для исследовательского сообщества
Вместе с публикацией в Nature код и веса модели открыты с исходным кодом — они доступны бесплатно для любых разработок: академических исследований, оперативного прогнозирования или создания более специализированных локальных моделей. Цель — ускорить прогресс во всём мировом метеорологическом сообществе и дать метеорологическим агентствам, исследователям и некоммерческим организациям инструменты для более точного прогнозирования всех видов погодных явлений и принятия решений по защите жизней и инфраструктуры.
Публикуются два набора похожих моделей: WeatherNext Cyclones, работавшая в сезон ураганов (результаты представлены в статье), и WeatherNext 2 — более позднее обновление, введённое в эксплуатацию в октябре. Также выпущена WeatherNext 2-mini — компактная версия модели, которую можно запустить на одном TPU в бесплатном публичном Colab-ноутбуке.
Актуальные прогнозы циклонов доступны на Weather Lab, который недавно обновил интерфейс и расширился, включив глобальные прогнозы погоды наряду с траекториями циклонов. Weather Lab теперь позволяет визуализировать прогнозы WeatherNext по температуре, осадкам, скорости ветра и другим параметрам в едином виде. Weather Lab и модели WeatherNext входят в состав Google Earth AI.
Расширение возможностей AI в прогнозировании погоды
Достигнутый прорыв — более суток дополнительного времени упреждения при прогнозировании циклонов — соответствует по масштабу десятилетию прогресса в метеорологии. Исследователи, метеорологические агентства и эксперты приглашаются к сотрудничеству, использованию открытых моделей и изучению прогнозов на Weather Lab. Сочетание передового машинного обучения с незаменимым практическим опытом человеческих прогнозистов должно сформировать совместную экосистему прогнозирования погоды, способную спасать жизни и помогать сообществам адаптироваться к меняющемуся климату.
Внимание: для получения официальных прогнозов погоды и предупреждений следует обращаться в местное метеорологическое агентство или национальную службу погоды.