EP54 功能生成网络：DeepMind如何从参数扰动到精准预报对全球进行气象建模

本期介绍了一种名为 FGN 的新型机器学习气象预报模型，旨在提升概率预测的准确性。与传统的确定性模型不同，FGN 通过在神经网络的参数空间注入低维噪声，能够更有效地模拟天气系统中的不确定性并捕捉空间相关性。实验结果表明，该模型在预测极端天气和热带气旋路径方面显著优于现有的 GenCast 和欧洲中期天气预报中心（ECMWF）的传统模型。此外，FGN 采用了高效的单次前向传播架构，使其在保持高精度的同时，预报速度比扩散模型快出数倍。尽管在某些高频变量中存在微小的视觉瑕疵，但它为构建大规模、高维度的联合概率预报系统提供了一种简单且强大的新方案。

点击访问对应公众号文章