Модель GenCast точно предскажет экстремальные погодные явления
Она уже справилась с предсказанием траектории тайфуна Хагибис
Новая вероятностная модель GenCast способна за восемь минут сделать прогноз погоды на 15 дней, и он по 97,2 процента метрик окажется более точным, чем у широко применяемого ансамбля ECMWF-ENS. Кроме того, модель показала значительно более точные результаты предсказания экстремальных погодных событий и может применяться для составления региональных прогнозов выработки ветряной энергетики. Описание модели опубликовано в журнале Nature.
Специалисты в области машинного обучения под руководством Илана Прайса (Ilan Price) из Google DeepMind применили диффузионную модель для генерации прогнозных траекторий погодных явлений и обучили ее на метеоданных реанализа ERA5 с 1979 по 2019 годы. Полученная модель прогноза погоды GenCast быстро выдает прогнозы погоды с географическим разрешением 0,25 градуса, которые особенно точны на промежутках от трех до пяти дней. Также она способна предсказывать траектории тропических циклонов — например, тайфуна Хагибис, который нанес огромный ущерб Японии в 2019 году — а также оценивать экстремальные температуры и скорости ветра.
Они связывают железо и ускоряют растворение минерала
Генетически модифицированные морские бактерии помогли в 2,6 раза ускорить растворение оливина — силикатного минерала, выветривание которого способствует связыванию атмосферного углекислого газа в воде. Ученые модифицировали бактерии так, чтобы они неограниченно производили сидерофоры для растворения железа. В результате в пилотной установке с четырьмя килограммами оливина удалось зарегистрировать удаление из воздуха 0,5 грамма CO2 в сутки. Результаты исследования опубликованы в журнале Nature Biotechnology.