FourCastNet 3
PulseAugur coverage of FourCastNet 3 — every cluster mentioning FourCastNet 3 across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
NVIDIA Earth-2通过开放AI模型扩展，支持本地化天气预测
NVIDIA正在通过新的开放AI模型和工具扩展其Earth-2计划，这些模型和工具专为本地化天气和气候预测而设计。诸如StormScope EU之类的模型可以根据特定的区域数据进行定制，从而实现更准确的短期预报和环境建模。包括AXA、Vaisala Xweather和TotalEnergies在内的多家组织已将其用于从飓风风险评估、太阳能预测到空气质量监测等各种应用。
-
新的DIAL方法通过调整模型随机性来提高天气预报的可靠性
研究人员开发了一种名为动态和知情调整原生随机定律（DIAL）的新颖方法，以提高天气集合预报的可靠性。DIAL通过在预报过程中动态调整冻结天气模型的随机性来工作，而不是重新训练模型或依赖后处理。这种方法学习根据过去的预报性能和对准确性及可靠性的潜在未来影响来预测和修改模型的原生随机性。在FourCastNet 3（FCN3）模型上的评估表明，DIAL显著提高了尺度解析的可靠性，与未修改的FCN3相比，多尺度连续排名概率得分（CRPS）提…
-
人工智能天气模型在气旋追踪方面优于基于物理的系统
一篇新的arXiv论文评估了几个人工智能驱动的天气模型（包括GenCast、FourCastNet 3和FGN）在热带气旋预测方面与欧洲中期天气预报中心的IFS-ENS系统的表现。研究发现，虽然人工智能模型在预测风暴强度和集合离散度方面仍存在局限性，但它们在追踪气旋方面显著优于IFS-ENS。具体而言，FGN在2025年分析的90%的风暴中表现出更优越的概率位置得分，表明人工智能在预测极端天气事件方面的能力日益增强。
-
研究发现：机器学习天气模型未能准确表示动能传递
一项发表在arXiv上的新研究分析了四种概率机器学习天气预测模型：NeuralGCM-ENS、FourCastNet 3、AIFS-ENS和GenCast。该研究将它们的动能（KE）谱和传递机制与基于物理的IFS ENS模型进行了比较。虽然NeuralGCM-ENS在重现KE传递方面显示出潜力，但其他机器学习模型在准确的向上转移方面遇到困难，AIFS-ENS和GenCast由于不相关的随机扰动而在高波数下积累KE。所有模型都表现出向上…
-
新方法无需重新训练即可提取天气模型不确定性
研究人员开发了一种名为随机扰动权重（SPW）的新方法，可以在无需重新训练的情况下从确定性机器学习天气模型中提取不确定性估计。该技术涉及在推理时扰动网络的权重张量，从而提供了一种低成本生成集成的方法。虽然 SPW 显示出潜力，但其有效性因模型架构而异，并且需要进一步调整以解决诸如整体场偏移不一致等问题。