Google DeepMind introduceert GraphCast. Dit AI-model kan volgens de techgigant in minder dan een minuut een 'ongekend accurate' weersvoorspelling doen voor de komende tien dagen. DeepMind heeft de code van het GraphCast-model open source gemaakt.
GraphCast kan volgens Google-dochter DeepMind snelle weersvoorspellingen op de middellange termijn doen met een 'ongekende nauwkeurigheid'. De techgigant deelt in een collegiaal getoetst rapport op Nature details over het AI-model, dat volgens Google DeepMind in veel gevallen sneller en accurater is dan het HRES-systeem van het Europees Centrum voor Weersverwachtingen op Middellange Termijn, ook wel het ECMWF.
Het deeplearningmodel kan volgens zijn makers nauwkeurige weersverwachtingen van de komende tien dagen genereren. GraphCast kan ook eerder waarschuwen voor extreme weersomstandigheden, zo claimt Google. Het model kan nauwkeuriger het pad van cyclonen volgen, 'atmosferische rivieren identificeren' die verband houden met overstromingsrisico's en het begin van extreme temperaturen voorspellen.
Tot op heden worden weersverwachtingen vooral uitgerekend door middel van numerical weather prediction. Weersvoorspellingen daarmee beginnen met 'zorgvuldig gedefinieerde natuurkundige vergelijkingen', schrijft Google. Die vergelijkingen worden vervolgens vertaald in algoritmes die worden gedraaid op supercomputers.
Het GraphCast-model is getraind op 'decennia aan historische weerdata'. Het model heeft volgens de makers de oorzaak-en-gevolgrelaties geleerd die bepalen hoe het weer zich ontwikkelt. Het model is getraind op de ERA5-dataset van het ECMWF, die is gebaseerd op weerobservaties als satellietbeelden, radars en weerstations. Traditionelere numerical weather predictions worden gebruikt om eventuele gaten op te vullen, schrijft Google.
GraphCast doet voorspellingen op een resolutie van 0,25x0,25 graden in de lengte- en breedtegraad. Dat komt neer op 28x28km op de evenaar. In totaal biedt het model daarmee meer dan een miljoen rasterpunten op aarde. Van ieder rasterpunt worden vijf variabelen op het oppervlak voorspeld, waaronder de temperatuur, windsnelheid en -richting en de gemiddelde druk op zeeniveau. Er worden op ieder punt ook zes atmosferische variabelen voorspeld op 37 verschillende hoogteniveau's.
Het GraphCast-model was bij meer dan 90 procent van de 1380 testvariabelen nauwkeuriger dan het eerdergenoemde HRES-systeem van het Europese weercentrum, zo claimt Google DeepMind. Wanneer de test werd beperkt tot de troposfeer, was GraphCast in 99,7 procent van de gevallen nauwkeuriger bij het voorspellen van toekomstige weersomstandigheden.
Google DeepMind zegt daarnaast dat een GraphCast-voorspelling van tien dagen binnen een minuut gegenereerd kan worden op een enkel Google Cloud TPU v4-systeem. Een traditionele tiendaagse weersvoorspelling genereren op een supercomputer met honderden systemen kan urenlang duren. DeepMind heeft de code van GraphCast open source beschikbaar gesteld en op GitHub gepubliceerd. Het ECMWF-weercentrum in Europa doet al experimenten met de voorspellingen van het model.
Source: Tweakers.net