Более эмоциональные и более точные прогнозы движений и интенсивность шторма необходимы, чтобы дать прогнозам информацию, необходимую им для излучения часов, и предупреждения об опасностях урагана — и дать людям на местах время, которое им нужно, чтобы эвакуировать или подготовить свои дома. Но у циклонов есть особая дилемма: они являются одним из самых разрушительных погодных явлений в мире, и некоторые из самых трудных для прогнозирования.

«С погодой в целом небольшие различия и изменения данных могут привести к совершенно другому будущему», — объясняет Ферран. «Но экстремальные условия циклонов делают их особенно трудными для моделирования. Это хаотические системы».

Google DeepMind и Google Research показали обещания в прогнозе циклонов с использованием исторических данных в погодных моделях, таких как Gencast, Граф И NeurangcmПолем Но они были разработаны для общих погодных условий, обученных историческим данным с низким разрешением и предлагали плохие прогнозы интенсивности. Синородисты не доверяли им полностью. Поэтому команда начала разрабатывать свою экспериментальную модель циклона, чтобы заполнить разрыв.

«Циклоны настолько скудны и интенсивны с точки зрения скорости ветра и вихря, что нам пришлось изменить способ, которым мы действительно сформировали наши модели», — объясняет Ферран. «В настоящее время мы участвуем в общих данных о погоде и конкретных данных для четкого циклона. Чтобы сделать это, а не диффузия, которая работает итеративным образом, мы используем новую вероятностную модель, которая работает на шаге на шаг, вводя случайные нарушения во время процесса прогнозирования и в конечном итоге создает выбор 50 возможных результатов для шторма».

В соответствии с предварительными внутренними оценками, новая экспериментальная модель циклона показывает повышенную точность для трассы циклона и интенсивности. Также умно предсказать размер циклона.