[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"news-5016000":3},{"id":4,"lead":5,"dasteavalTitle":6,"content":7,"summarizedTitle":6,"summarizedContent":5,"tags":8,"mainCategoryId":10,"sourceName":41,"sourceLogo":42,"publishedDate":43,"originUrl":44,"thumbnail":12,"reactions":45,"mainCategory":46},5016000,"\u003Cul>\u003Cli>🌪️ گوگل مدل متن‌باز WeatherNext را برای پیش‌بینی ۱۵روزه توفندها معرفی کرد.\u003C\u002Fli>\u003Cli>💾 این مدل با نزدیک به ۲۰ ترابایت داده جوی آموزش دیده است.\u003C\u002Fli>\u003Cli>⚡ تولید پیش‌بینی کامل ۱۵روزه روی TPU کمتر از ۶۰ ثانیه زمان می‌برد.\u003C\u002Fli>\u003Cli>🎯 WeatherNext در توفند ملیسا، مسیر جامائیکا را پنج روز زودتر پیش‌بینی کرد.\u003C\u002Fli>\u003Cli>🔭 نسخه جدید مدل می‌تواند هزار سناریوی هم‌زمان برای هر توفند بسازد.\u003C\u002Fli>\u003C\u002Ful>","گوگل مدل متن‌باز WeatherNext را برای پیش‌بینی دقیق‌تر توفندها معرفی کرد","\u003Carticle>\u003Cp>\u003Cstrong>گوگل مدل متن‌باز WeatherNext را برای پیش‌بینی هم‌زمان مسیر و شدت توفندهای استوایی منتشر کرده است؛ مدلی که می‌تواند پیش‌بینی ۱۵روزه را در کمتر از ۶۰ ثانیه تولید کند.\u003C\u002Fstrong>\u003C\u002Fp>\u003Ch2>پیش‌بینی هم‌زمان مسیر و شدت توفند\u003C\u002Fh2>\u003Cp>تعیین مسیر توفند به تحلیل جریان‌های جوی در مقیاس جهانی نیاز دارد، در حالی که برآورد شدت آن به بررسی فرایندهای ترمودینامیکی در هسته مرکزی سامانه جوی وابسته است. سامانه‌های سنتی معمولاً این دو وظیفه را با مدل‌های جهانی و منطقه‌ای جداگانه انجام می‌دهند.\u003C\u002Fp>\u003Cp>WeatherNext با آموزش روی نزدیک به \u003Cstrong>۲۰ ترابایت داده‌های جوی جهانی\u003C\u002Fstrong> و آرشیو تاریخی داده‌های اقلیمی، مسیر حرکت و شدت توفند را به‌صورت یکپارچه پیش‌بینی می‌کند. این مدل امکان ارزیابی توزیع احتمالی مخاطرات شدید را نیز برای کارشناسان هواشناسی فراهم می‌سازد.\u003C\u002Fp>\u003Ch2>سرعت پردازش و افزایش زمان هشدار\u003C\u002Fh2>\u003Cp>پیش‌بینی کامل ۱۵روزه WeatherNext روی تراشه‌های پردازش عصبی یا TPU، در کمتر از \u003Cstrong>۶۰ ثانیه\u003C\u002Fstrong> تولید می‌شود. این مدل همچنین به‌طور متوسط زمان هشداردهی را \u003Cstrong>یک روز\u003C\u002Fstrong> افزایش داده است؛ به‌گونه‌ای که پیش‌بینی سه‌روزه آن از نظر دقت با پیش‌بینی دو روزه سامانه‌های پیشین برابری می‌کند.\u003C\u002Fp>\u003Cblockquote>افزایش ۲۴ ساعته زمان هشدار می‌تواند فرصت بیشتری برای تخلیه، سازمان‌دهی زنجیره تأمین و تخصیص منابع فراهم کند.\u003C\u002Fblockquote>\u003Ch2>آزمون مدل در توفند ملیسا\u003C\u002Fh2>\u003Cp>کارایی عملیاتی مدل در جریان توفند ملیسا در اکتبر ۲۰۲۵ ارزیابی شد. WeatherNext پنج روز پیش از برخورد این سامانه با خشکی، با اطمینان \u003Cstrong>۸۰ درصدی\u003C\u002Fstrong> پیش‌بینی کرد که توفند پس از تقویت، به‌عنوان توفندی درجه پنج به جامائیکا خواهد رسید؛ این در حالی بود که توفند در آن زمان درجه یک داشت.\u003C\u002Fp>\u003Ch2>هزار سناریو برای مقابله با عدم‌قطعیت\u003C\u002Fh2>\u003Cp>WeatherNext برای مقابله با اثر پروانه‌ای و حساسیت پیش‌بینی‌ها به تغییرات کوچک در داده‌های اولیه، به‌جای ارائه یک پاسخ قطعی، مجموعه‌ای از سناریوهای محتمل را تولید می‌کند.\u003C\u002Fp>\u003Ctable>\u003Cthead>\u003Ctr>\u003Cth>شاخص\u003C\u002Fth>\u003Cth>نسخه پیشین\u003C\u002Fth>\u003Cth>نسخه جدید\u003C\u002Fth>\u003C\u002Ftr>\u003C\u002Fthead>\u003Ctbody>\u003Ctr>\u003Ctd>سناریوهای هم‌زمان برای هر توفند\u003C\u002Ftd>\u003Ctd>۵۰ سناریو\u003C\u002Ftd>\u003Ctd>\u003Cstrong>۱۰۰۰ سناریو\u003C\u002Fstrong>\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd>زمان پیش‌بینی کامل ۱۵روزه روی TPU\u003C\u002Ftd>\u003Ctd>اعلام نشده\u003C\u002Ftd>\u003Ctd>کمتر از ۶۰ ثانیه\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd>زمان هشداردهی\u003C\u002Ftd>\u003Ctd>مبنای مقایسه\u003C\u002Ftd>\u003Ctd>یک روز بیشتر\u003C\u002Ftd>\u003C\u002Ftr>\u003C\u002Ftbody>\u003C\u002Ftable>\u003Ch2>انتشار متن‌باز\u003C\u002Fh2>\u003Cp>یافته‌های این پژوهش در مجله \u003Cem>Nature\u003C\u002Fem> منتشر شده است. کدها و وزن‌های WeatherNext نیز به‌صورت متن‌باز در گیت‌هاب قرار گرفته‌اند تا پژوهشگران سراسر جهان بتوانند از آن‌ها استفاده کنند.\u003C\u002Fp>\u003C\u002Farticle>",[9,16,21,25,29,33,37],{"id":10,"name":11,"slug":12,"tagType":13,"createdAt":14,"updatedAt":15,"deletedAt":12},2,"تکنولوژی",null,0,"2024-11-27T13:47:27.935Z","2024-11-27T13:47:28.130Z",{"id":17,"name":18,"slug":12,"tagType":19,"createdAt":20,"updatedAt":20,"deletedAt":12},135,"هوش مصنوعی",1,"2024-12-21T06:10:53.712Z",{"id":22,"name":23,"slug":12,"tagType":19,"createdAt":24,"updatedAt":24,"deletedAt":12},230,"گوگل","2025-03-24T16:06:35.580Z",{"id":26,"name":27,"slug":12,"tagType":19,"createdAt":28,"updatedAt":28,"deletedAt":12},719,"هواشناسی","2025-05-01T14:09:10.678Z",{"id":30,"name":31,"slug":12,"tagType":19,"createdAt":32,"updatedAt":32,"deletedAt":12},23842,"توفند","2025-06-30T22:42:28.751Z",{"id":34,"name":35,"slug":12,"tagType":19,"createdAt":36,"updatedAt":36,"deletedAt":12},43911,"پیش‌بینی آب‌وهوا","2025-08-15T17:41:11.345Z",{"id":38,"name":39,"slug":12,"tagType":19,"createdAt":40,"updatedAt":40,"deletedAt":12},134767,"WeatherNext","2026-08-09T16:44:31.061Z","دیجیاتو","https:\u002F\u002Fs3.dasteaval.news\u002Fdasteaval\u002Flogos\u002Fdigiato-com.png","2026-08-09T08:55:17.000","https:\u002F\u002Fdigiato.com\u002Fartificial-intelligence\u002Fgoogle-weathernext-ai-hurricane-prediction",{"counts":12,"selected":12},{"id":10,"name":11,"logo":47,"bgColor":48,"description":49},"technology","#ECE0FC","جدیدترین تحولات تِک رو اینجا دنبال کن!"]