De blog:
https://blog.research.google/2023/11/metnet-3-state-of-art-neural-weather.html
Of het paper, Deep Learning for Day Forecasts from Sparse Observations:
https://arxiv.org/abs/2306.06079
Al daadwerkelijk ingezet in Google-apps, overigens vooral in de eerste 24 uur.
Dankje, dat was inderdaad wat ik bedoelde. Ik wist niet dat dit al gedaan was binnen de meteo-context.
Modellen als ERA5 maken, onder andere om rekenkracht te besparen, nog altijd enorm veel simplificaties. Die afhankelijkheid wegnemen geeft veel meer ruimte voor verbetering, met als nadeel dat je wel veel meer trainingsdata moet hebben omdat de fysische randvoorwaarden er dan ook niet meer zijn.
In het algemeen zie je dat bij machine learning de trainingsdata vaak de doorslag geeft, architectuur is van ondergeschikt belang, en rekenkracht is op te lossen met $$. Gelukkig is er voor meteo-toepassingen gigantisch veel data beschikbaar.
Quote selectie