Google AIはWeatherBench 2を紹介します：さまざまな天気予測モデルの評価と比較のための機械学習フレームワーク

Google AIがWeatherBench 2を紹介：天気予測モデルの評価と比較のための機械学習フレームワーク

機械学習（ML）は近年、天気予報においてますます使用されています。MLモデルが運用物理モデルと精度の面で競争できるようになったことから、この進歩により世界中の天気予報の精度を向上させる可能性があることを期待しています。客観的で確立された評価基準を使用した革新的な手法のオープンかつ再現可能な評価は、この目標を達成するために重要です。

Google、Deepmind、およびヨーロッパ気象予報センターによる最新の研究によれば、天気予測モデルのベンチマークと比較フレームワークであるWeatherBench 2が発表されました。WeatherBench 2は、ほとんどのMLモデルの訓練に使用されるERA5データセットを忠実に再現するだけでなく、オープンソースの評価コードとクラウド最適化された基準データセットも提供しています。

現在、WeatherBench 2は、世界的なVoAGI範囲（1-15日）の予測に最適化されています。研究者は、近い将来、ノウキャストや短期（0-24時間）および長期（15日以上）の予測など、さらに多くのジョブに対する評価とベースラインの組み込みを検討する予定です。

• 「PDF、txt、そしてウェブページとして、あなたのドキュメントと話しましょう」
• 「AIとのプログラミング」
• このAI論文は、さまざまなディープラーニングと機械学習のアルゴリズムを用いた行動および生理学的スマートフォン認証の人気のあるダイナミクスとそのパフォーマンスを識別します

天気予測の正確さを単純なスコアで評価することは困難です。平均気温が風の突風の頻度や重症度よりも重要な場合があります。そのため、WeatherBench 2には多くの指標が含まれています。いくつかの重要な基準、または「ヘッドライン」メトリックスは、気象機関と世界気象機関によって実施される標準評価と一貫した方法で研究を要約するために定義されています。

WeatherBench 2.0（WB2）は、データ駆動型の世界的な天気予測のゴールドスタンダードです。これは、最初のWeatherBenchベンチマークがリリースされて以来登場したすべての新しいAI技術に触発されています。WB2は、多くの気象センターで使用されている運用予測評価を忠実に模倣するように構築されています。また、実験的手法をこれらの運用基準と比較するための堅固な基盤も提供しています。

研究者は、評価コードとデータを公開することで効率的な機械学習作業と再現可能な結果を実現することを目指しています。研究者は、コミュニティの要望に基づいて追加の指標やベースラインをWB2に追加することができると考えています。論文では、局所観測を通じて極端な状況や影響変数を評価するためのさまざまな潜在的な拡張についても示唆しています。

We will continue to update VoAGI; if you have any questions or suggestions, please contact us!