标签
WeatherNext 3 是 Google 推出的先进 AI 天气预报模型，它整合了实时卫星数据、每小时更新和精确降水预报，现已集成到 Google 的搜索、Gemini、地图和云服务中。
播客讨论涵盖了AI在物理模拟中的应用，包括扩展到万亿参数模型、高分辨率天气预报，以及聚变能源中等离子体行为的预测。
本文提出了BaguanHR框架，该框架使用变量级超分辨率技术从低分辨率源合成高分辨率天气数据，克服了基于机器学习的预报中的数据限制，并展示了幂律缩放效应以提升性能。
本文解释了厄尔尼诺是什么，如何衡量它，它对天气和经济的全球影响，并讨论了超级厄尔尼诺事件的可能性。
DeepMind 的飓风 AI 模型为预报员提供了额外一天的预警时间，并以 WeatherNext 模型的形式开源，尽管研究人员并不完全了解其工作原理。
Google DeepMind 正在开源 WeatherNext，这是一款在气旋预报中达到最先进精度的人工智能模型，可多提供一天的预警时间，代表着气象学十年的进步。
谷歌DeepMind的WeatherNext AI模型发表于Nature，在气旋路径和强度预测方面达到了最先进的准确性，平均提供额外24小时的准备时间。
谷歌DeepMind的WeatherNext AI模型在气旋预测准确性上达到最先进水平，提供额外一天的预警，现已开源。
微软研究通讯重点介绍了 Aurora 1.5 用于开放天气预报、Flint 用于 AI 驱动的可视化、FlowDAgger 用于机器人自适应，以及其他在 AI 安全和对话记忆方面的进展。
本文提出TSSM，一种用于全球站点天气预报的三轴状态空间模型，该模型融合了按周期对齐的历史数据，以改进长时预测和极端事件预测。在大规模Weather-5K数据集上取得了最先进性能，并在观测缺失条件下展现出强大的鲁棒性。
介绍了 Sparse-Reslim，一种即插即用的路由模块，仅通过昂贵的 Transformer 块处理 25% 的空间令牌，以实现高效的天气预测，最高可实现 3.18 倍的加速并提高预报准确性。
本文介绍NIVA，一个在地球系统模拟上训练的多模态基础模型，用于学习次季节到季节预测中的大气-海洋耦合动力学。初步验证表明，该模型通过准确预测主要气候指数，捕捉到了气候变率的关键模态。
Otter Weather 是一种计算高效的中期天气预报AI模型，其性能优于数值天气预报基线和前沿AI模型，同时显著减少训练计算量，旨在普及高性能天气预报。
本文利用PCA和逐层相关性传播（LRP）研究了Aurora基础天气模型的内部表征，发现其潜在空间主要按季节循环组织，且该模型在没有明确指导的情况下学习到了气象一致性和垂直结构。
NSF退役关键海洋监测网络Ocean Station Papa，将导致阿拉斯加居民的天气预报能力下降，沿海社区脆弱性增加。
本文提出基于神经正切核的不确定性量化方法，用于确定性深度学习天气模型，在极端事件期间无需重新训练即可获得更尖锐的自适应预测区间。
介绍了AdaWeather，一个自适应框架，它利用机器学习和专家混合来组合多个概率天气预报，相比最佳的静态专家混合实现了对数遗憾，并在温度预报方面展示了实证改进。
Windborne Systems 发布了 WeatherMesh 6，这是一款AI天气预报模型，声称在准确性和频率上超越欧洲中期天气预报中心（ECMWF），这得益于直接从其气球中获取传感器数据。
NOAA预测，由于厄尔尼诺现象，2026年大西洋飓风季将低于平均水平，但警告称即使平静的年份也可能产生灾难性风暴。该机构正在部署与Google DeepMind共同开发的AI气象模型，以提升飓风路径预测能力。
Mosaic是一个概率天气模型，其预报技巧与最先进的模型相当，同时在单个H100上能在12秒内生成24个成员的10天全球预报。