DeepMind lanza WeatherNext 3: el modelo de IA meteorologica a 5 km con datos satelitales en directo
El nuevo sistema predice el tiempo cada hora y añade variables especificas para energia renovable, integrando datos raw de satelites geoestacionarios.
Google DeepMind ha publicado WeatherNext 3, su modelo de pronostico meteorologico global basado en inteligencia artificial. La version apunta a resolver el principal punto debil de las iteraciones anteriores: la incapacidad para capturar fenomenos locales rapidos y la dependencia de datos historicos con retardo. El cambio estructural consiste en alimentar una red neuronal con imagenes en directo de satelites geoestacionarios, lo que permite generar nuevos pronosticos cada hora en lugar de cada seis.
En cuanto a la arquitectura, WeatherNext 3 utiliza una red generativa funcional (FGN) basada en transformers. A diferencia de sus predecesores, que se entrenaban sobre salidas de modelos de prediccion numerica (NWP) ejecutados en supercomputadoras y que introducen un desfase de seis horas, este modelo ingiere el mosaico satelital crudo. Esta entrada continua elimina parte del sesgo de los datos lentos y permite refrescar el estado atmosférico con mayor frecuencia. Ademas, el sistema entrena directamente sobre observaciones de estaciones meteorologicas dispersas. La combinacion de estas fuentes le permite mantener la coherencia fisica a gran escala mientras resuelve detalles topograficos locales.
La resolucion espacial ha aumentado significativamente. Las variables de superficie clave, como la temperatura y la humedad, se calculan en una malla de 5 kilometros, cinco veces mas fina que los 25 kilometros de WeatherNext 2. Otras variables de superficie bajan a 10 kilometros y las atmosfericas, como la velocidad del viento, a 25. Para el usuario final, la diferencia es visible en zonas de relieve complejo: el nuevo modelo no suaviza excesivamente la temperatura en valles o costas, un problema comun en las simulaciones fisicas tradicionales por su coste computacional. Los datos de evaluacion en vivo por parte de Brightband situlan a esta version como la mas precisa actualmente disponible a nivel global.
Casos de uso para operadores y desarrolladores
El equipo de DeepMind ha destacado una mejora especifica orientada a la energia renovable. El modelo incluye la prediccion de la velocidad del viento a 100 metros de altura, la capa relevante para la mayoria de turbinas eolicas. Tambien aporta niveles de radiacion solar y cobertura de nubes de alta resolucion, metricas criticas para que los gestores de red estimen la generacion fotovoltaica y eolica con mayor margen de antelacion. La precision en la precipitacion, historialmente debil en los modelos globales por la escala de las nubes, tambien ha recibido un tratamiento especifico para reducir el desenfoque tipico de las predicciones anteriores.
WeatherNext 3 ya esta integrado en los productos de Google: Search, Gemini, Maps y la Google Maps Platform. Tambien esta disponible en Google Cloud, lo que permite a terceros acceder a estas predicciones mediante la infraestructura de la nube. La disponibilidad en Cloud es el detalle operativo relevante: permite a empresas que necesiten pronosticos localizados para su cadena de suministro o gestion de energias limpias incorporarlos en sus pipelines de datos sin depender de proveedores de datos meteorologicos tradicionales.
