WeatherNext 3: Google DeepMind прокачала ИИ-погоду — 5 км, обновление каждый час и обучение на реальных станциях

ИИ-модели погоды три года сокращали отставание от классического численного прогнозирования, но оставались две проблемы: слишком низкое разрешение для локального рельефа и привязка к анализу NWP, который запаздывает на шесть часов. WeatherNext 3 от Google DeepMind и Google Research решает обе: она принимает на вход живую мозаику с геостационарных спутников, перезапускается каждый час и выдаёт прогнозы с разрешением 0,05° (около 5 км), обучаясь на сырых измерениях метеостанций, а не только на сетках реанализа.

Архитектурно это Functional Generative Network (FGN) — mesh-трансформер, масштабированный для многомасштабного вывода. Входы: живая спутниковая мозаика плюс анализ ECMWF HRES. Обучение на ERA5/HRES-fc0, IMERG от NASA, станционных наблюдениях и спутниковых данных. В отличие от большинства ИИ-прогнозистов, которые учатся на реанализе и сглаживают локальные особенности (берега, долины, горы), WeatherNext 3 напрямую калибрует выходы температуры и точки росы по показаниям приборов.

Независимые живые оценки Brightband ставят WeatherNext 3 на первое место по точности среди глобальных моделей. Данные прогнозов доступны через BigQuery, Earth Engine и Cloud Storage по запросу (allowlist), но веса модели не открыты, а кастомный инференс по запросу пока работает на WeatherNext 2.