随着AI技术的持续进步，气象预测领域迎来了更加准确且快速的新时代。近日，DeepMind最新研发的气象预测大模型GenCast能够在短短8分钟内完成15天的天气预测，无论是常规天气还是极端天气情况，都能进行准确分析。相关研究论文已发布在《自然》杂志。

　　GenCast模型的表现令人瞩目。在97.2％的场景中，其预测准确性超过了全球领先的中期天气预报系统ENS。ENS系统来自欧洲中期天气预报中心（ECMWF），是目前最先进的集合预报系统之一。

　　与DeepMind之前推出的确定性预测模型GraphCast不同，GenCast关注的是各种天气情况的概率。它基于扩散模型实现，分辨率高达0.25°，这意味着气象预测模型能够以0.25度的经度和纬度分辨率进行天气数据的分析和预测。这种高分辨率允许模型在全球范围内生成更精细的天气预报，能够捕捉到更小尺度的天气变化和特征。具体来说，0.25°分辨率在赤道处大约相当于28×28公里的区域，相当于地球表面被分割成超过100万个网格，每个网格都涵盖80多个地表和大气变量，从而在每次预测中生成数千万甚至上亿条数据。

　　在测试过程中，DeepMind团队设置了1320种实验条件，涉及不同的物理变量、预报时长和垂直高度。结果显示，在97.2％的任务中，GenCast的预测准确性都优于ENS。特别是在对36小时之后的预测中，GenCast在99.6％的条件下都能胜出。

　　除了基础预测，GenCast在下游应用上也表现出了更强的预测能力。例如，在区域风电应用测试中，使用全球发电厂数据库中的风电场位置和装机容量信息，GenCast的风电功率预报准确性在7天内都显著优于ENS。

　　此外，GenCast的预测速度也非常快。完成一次15天的预测仅需约8分钟，而ENS则需要几个小时。这一优势使得GenCast在气象预测领域具有巨大的应用潜力。

　　DeepMind研究人员Ilan Price表示：“我们确实取得了巨大的进步，通过机器学习赶上了并超越了基于物理的模型。”

　　值得一提的是，GenCast模型已经开源，代码和模型权重均已发布。DeepMind还表示，将会很快发布GenCast生成的实时和历史预报结果，为其他研究者提供更多的研究资源。（汪淼）