GenCast kombinerar avancerad maskininlärning och decennier av historisk väderdata för att leverera 15-dagarsprognoser som är både snabbare och mer exakta än de ledande traditionella modellerna. Forskningen, publicerad i Nature, markerar ett stort framsteg inom väderförutsägelser och kan få betydande påverkan på bland annat beslut kring katastrofberedskap i områden med stor risk för väder som leder till naturkatastrofer.

Överträffar gamla vädermodeller

Traditionella väderprognoser bygger på fysikaliska simuleringar som skapar enstaka scenarier. GenCast tar ett annat grepp: den använder en ensemble av 50 eller fler förutsägelser, som var och en representerar en möjlig väderutveckling. Denna metod gör det möjligt att inte bara förutsäga väder utan även att förstå och kvantifiera osäkerheten, vilket är avgörande för att bedöma risker vid extremt väder som cykloner, värmeböljor och kraftiga vindar.

GenCast baseras på den senaste AI-tekniken, kallad diffusion, som också används för att generera bilder, ljud och videor. Modellen tränades med hjälp av 40 års väderdata från Europacentret för medellånga väderprognoser (ECMWF) ERA5-arkiv och kan skapa högupplösta prognoser på bara åtta minuter.

GenCast presterar bättre än ECMWF:s ensemblemodell ENS i 97,2 % av de utvärderade fallen.

Google, som ligger bakom GenCast, betonar vikten av samarbete med vädermyndigheter och forskare. För att stödja vidare forskning har GenCasts kod och data gjorts tillgängliga för allmänheten. Real-tidsprognoser och historiska data kommer snart att släppas, vilket ger forskare och organisationer möjlighet att integrera GenCast i sina egna projekt och beslutsprocesser.