Nvidia представила семейство ИИ-моделей Earth-2, которые изменят существующие методы прогнозирования погоды и климата

Так обещает компания

Компания Nvidia представила новое семейство открытых моделей искусственного интеллекта под названием Earth-2, которые могут помочь изменить существующие методы прогнозирования погоды и климата, как утверждает сама компания. 

Как сказано, в пресс-релизе, Earth-2 — это первый открытый набор моделей и инструментов, позволяющий разработчикам объединять разрозненные возможности искусственного интеллекта в области погоды и климата, обеспечивающий полный доступ к готовым к внедрению в производство решениям на основе метеорологического ИИ для организаций, позволяя им запускать, дорабатывать и развертывать их на собственной инфраструктуре.    

Nvidia представила семейство ИИ-моделей Earth-2, которые изменят существующие методы прогнозирования погоды и климата
Фото Nvidia

Это целое семейство, включающее в себя модели CorrDiff, FourCastNet3, Medium Range, Nowcasting, Global Data Assimilation, а также фреймворк PhysicsNeMo. Эти модели позволяют объединять данные высокого разрешения со спутников, радаров и метеостанций для обеспечения непрерывной оценки атмосферных условий. Проще говоря, в этим модели можно загрузить множество различных данных со спутников и получить обработанную информацию. 

Nvidia представила семейство ИИ-моделей Earth-2, которые изменят существующие методы прогнозирования погоды и климата
Фото Nvidia

ИИ в моделях ускоряет каждый из этапов, начиная от обработки данных и заканчивая прогнозированием локальных и глобальных климатических событий. 

Earth-2 Medium Range обеспечивает высокоточное прогнозирование погоды на среднесрочные периоды — или прогнозы на срок до 15 дней вперед — по более чем 70 метеорологическим переменным, включая температуру, давление, ветер и влажность. По стандартным показателям она превосходит ведущие открытые модели по наиболее распространенным переменным прогнозирования, измеряемым в отрасли. Ознакомьтесь с исследовательской работой . 

Система Earth-2 Nowcasting , работающая на основе новой архитектуры модели StormScope, использует генеративный ИИ для создания прогнозов в масштабах страны с разрешением в километры, с прогнозами на период от нуля до шести часов, относительно местных штормов и опасных погодных явлений всего за несколько минут. Earth-2 Nowcasting — первая система, которая превосходит традиционные модели прогнозирования погоды, основанные на физических принципах, в краткосрочном прогнозировании осадков, напрямую моделируя динамику штормов. Она использует ИИ для прямого прогнозирования спутниковых и радиолокационных изображений. Ознакомьтесь с исследовательской работой . 

Система Earth-2 Global Data Assimilation , работающая на основе новой архитектуры модели HealDA, создает начальные условия для прогнозирования погоды — снимки текущей атмосферы, включая температуру, скорость ветра, влажность и атмосферное давление, в тысячах точек по всему миру. Earth-2 Global Data Assimilation может генерировать начальные условия за секунды на графических процессорах, а не за часы на суперкомпьютерах. В сочетании с Earth-2 Medium Range это приводит к наиболее точным прогнозам, создаваемым открытым, полностью основанным на искусственном интеллекте конвейером. Ознакомьтесь с исследовательской работой . 

Earth-2 CorrDiff использует генеративную архитектуру искусственного интеллекта CorrDiff для масштабирования прогнозов континентального масштаба с низким разрешением до региональных полей погоды с высоким разрешением, обеспечивая необходимую детализацию для локального прогнозирования в 500 раз быстрее, чем традиционные методы.  

Earth-2 FourCastNet3 обеспечивает высокую точность прогнозирования различных погодных переменных, таких как ветер, температура и влажность, превосходя ведущие традиционные ансамблевые модели и конкурируя с лучшими методами, основанными на диффузии, при этом выдавая прогнозы до 60 раз быстрее, чем эти подходы. 

 

 

1 февраля 2026 в 18:34

Автор:

| Источник: Nvidia

Все новости за сегодня

Календарь

февраль
Пн
Вт
Ср
Чт
Пт
Сб
Вс
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28