메뉴
BL
The Decoder • 20일 전

구글 WeatherNext 3, 물리 시뮬레이션 없이 위성 데이터로 직접 날씨 학습

IMP
7/10
핵심 요약

구글과 DeepMind가 발표한 AI 날씨 모델 WeatherNext 3는 기존 수치예보(NWP) 데이터 대신 실시간 정지궤도 위성 데이터를 직접 학습해, 5km 해상도의 시간 단위 예보를 제공한다. 강수량 예보 정확도를 최대 50% 향상시켰으며 풍력·태양광 발전량 추정용 데이터도 제공한다. 이 모델은 이미 구글 검색, 지도, 젬미니(Gemini)에 적용되어 있어, 고성능 지역 예보 모델이 부족했던 라틴아메리카·아프리카·아시아태평양 지역에 특히 큰 혜택이 예상된다.

번역된 본문

구글과 DeepMind, 물리 시뮬레이션 없이 위성 데이터로 날씨를 직접 학습하는 'WeatherNext 3' 공개

주요 포인트

  • 구글과 DeepMind는 전통적인 물리 시뮬레이션을 거치지 않고 실시간 위성 데이터에서 직접 학습하는 AI 날씨 모델 WeatherNext 3를 공개했다.
  • 이 모델은 5km 격자에서 시간 단위 예보를 생성하며, 전신 버전보다 5배 정교하게 국지적 기상 현상과 지형 정보를 포착한다.
  • 재생에너지에 맞춤화된 데이터도 생성하고, 강수량 예보 정확도는 최대 50% 향상됐다.
  • 두 기능 모두 구글 검색, 지도, 젬미니에서 이미 사용 중이다.

구글 리서치와 DeepMind의 WeatherNext 3는 전통적인 물리 기반 모델을 버리고 실시간 정지궤도 위성 데이터에서 직접 학습한다. 구글은 전신 대비 5배 정밀한 해상도와 시간 단위 업데이트를 약속한다.

WeatherNext 2를 포함한 기존 AI 날씨 모델은 수치예보(NWP) 데이터로 학습됐다. 이 시뮬레이션은 슈퍼컴퓨터에서 작동하며 6시간 지연이 발생하는데, 구글에 따르면 이로 인해 강수량·기온 같은 빠르게 변하는 변수에 오차가 생긴다.

WeatherNext 3는 대신 실시간 정지궤도 위성 데이터를 처리한다. 최신 관측을 바탕으로 최대 5km 해상도로 매시간 새로운 예보를 생성한다. 급격히 발달하는 폭풍이나 강수의 경우, 더 빠른 업데이트 주기 덕분에 더 빠르고 정확한 예측이 가능하다.

전신보다 5배 정교한 해상도 이 모델은 여러 해상도로 시간 단위 예보를 생성한다. 기온과 습도는 5km, 기타 지표 변수는 10km, 풍속 등 대기 변수는 25km 해상도로 작동한다. 6시간 간격의 25km 격자를 썼던 WeatherNext 2보다 약 5배 정교한 수준이다.

구글은 영국 기온 예보 사례로 그 차이를 보여줬다. 25km의 WeatherNext 2는 픽셀화된 지도를 내지만, 5km의 WeatherNext 3는 국지적 지형을 포착한다. 또한 개별 기상관측소 데이터로 학습해 해안선, 계곡, 산맥까지 반영한다. 덕분에 지역 상황을 반영한 더 섬세한 전 세계 예보가 가능하다. 구글에 따르면 전통적 지역 모델의 높은 컴퓨팅 비용 때문에 소외됐던 라틴아메리카, 아프리카, 아시아태평양 지역이 가장 큰 수혜를 볼 것이다.

더 나은 강수 예보와 재생에너지 데이터 전 세계 날씨 모델은 강수량 예측에 오랫동안 어려움을 겪어왔다. 눈·비는 작은 규모의 빠른 구름 과정에 의존하기 때문이다. 구글은 NASA의 위성 기반 IMERG 데이터셋과 구글 자체의 위성 레이더 기반 전 세계 강수 분석 데이터 두 가지로 모델을 학습시켰다.

중기 전 세계 예보 기준 CRPS(연속순위확률점수)는 IMERG 대비 최대 60%, MRMS 대비 30% 개선됐으며, 짧은 예측 시간대에서는 우량계 대비 10% 향상됐다.

WeatherNext 3는 또한 터빈 높이인 지상 100m 풍속을 예측해 풍력발전 단지 출력을 추정한다. 더 정확한 운량과 일사량 값으로 태양광 설비의 예상 발전량 계산도 가능하다. 구글은 이를 통해 전력망 운영자의 수요·공급 균형 관리에 도움이 될 것이라고 밝혔다.

검색·지도·젬미니 전면 적용 구글은 예보 데이터를 매시간 갱신한다. 연구자, 개발자, 기업은 BigQuery와 Earth Engine으로 조회하거나 Google Cloud Storage에서 일괄 다운로드할 수 있다.

WeatherNext 3는 현재 구글 검색, 젬미니 앱, 구글 지도, Google Maps Platform 날씨 API, Google Earth Engine의 날씨 기능을 담당한다. 하루 전후 일정을 세울 때 사용자는 최대 50% 더 정확한 강수 예보를 보게 되며, 예측 신뢰도가 낮았던 지역에서 개선 폭이 가장 크다.

구글은 대기가 항상 어느 정도 예측 불가능하다는 점을 인정하며, 공식 예보와 악천부 경보, 안전 권고는 각국 기상청을 참고하라고 안내한다.

원문 보기
원문 보기 (영어)
Google's WeatherNext 3 ditches physics simulations and learns weather directly from live satellite data Jonathan Kemper View the LinkedIn Profile of Jonathan Kemper Sep 6, 2026 Google Key Points Google and DeepMind have released WeatherNext 3, an AI weather model that skips traditional physics simulations and learns directly from real-time satellite data. The model produces hourly forecasts on a five-kilometer grid, five times sharper than its predecessor, capturing local weather events and terrain details with greater precision. WeatherNext 3 also generates data tailored to renewable energy and delivers precipitation forecasts up to 50 percent more accurate. Both are now live across Google Search, Maps, and Gemini. Ask about this article… Search WeatherNext 3 from Google Research and DeepMind drops traditional physics models and learns directly from real-time satellite data. Google promises five times the detail and hourly updates. Previous AI weather models, including WeatherNext 2, trained on numerical weather prediction (NWP) data. Those simulations run on supercomputers and carry a six-hour delay, according to Google, which introduces errors for fast-changing variables like rainfall and temperature. WeatherNext 3 processes live geostationary satellite data instead. It generates a fresh forecast every hour based on the latest observations at up to five-kilometer resolution. For fast-developing storms or precipitation, the quicker update cycle means earlier and more accurate predictions. Ad Five times sharper than its predecessor The model produces hourly forecasts at multiple resolutions. Temperature and humidity run at five kilometers, other surface variables at ten, and atmospheric values like wind speed at 25. That's about five times sharper than WeatherNext 2, which used a 25-kilometer grid in six-hour intervals. Ad Google illustrates the gap with a temperature forecast over the United Kingdom. WeatherNext 2 at 25 kilometers produces a pixelated map. WeatherNext 3 at five kilometers captures local terrain. The model also trains on individual weather station data to capture coastlines, valleys, and mountains. That enables finer global forecasts that reflect regional conditions. Regions in Latin America, Africa, and the Asia-Pacific stand to gain the most, according to Google, since high compute costs for traditional regional models have left them underserved. Ad Better rain forecasts and renewable energy data Global weather models have long struggled with precipitation because rain and snow depend on fast cloud processes at small scales. Google trained the model on two sources: NASA's satellite-based IMERG dataset and Google's own global precipitation analysis built on satellite radar. For medium-range global forecasts, the Continuous Ranked Probability Score (CRPS) shows improvements of up to 60 percent over IMERG, 30 percent over MRMS, and ten percent over rain gauges at short lead times. WeatherNext 3 also predicts wind speeds at 100 meters, roughly turbine height, to estimate wind farm output. More accurate cloud cover and solar irradiance values let solar installations calculate expected generation. Google says this should help grid operators balance supply and demand. Ad Rolling out across Search, Maps, and Gemini Google updates the forecast data hourly. Researchers, developers, and businesses can query it through BigQuery and Earth Engine or download it in bulk from Google Cloud Storage. WeatherNext 3 now powers weather features in Google Search, the Gemini app, Google Maps, the Google Maps Platform Weather API, and Google Earth Engine. Ad When planning a day or more ahead, users should see up to 50 percent more accurate precipitation forecasts, with the biggest gains in regions where predictions have been less reliable. Google acknowledges that the atmosphere will always be somewhat unpredictable. For official forecasts, severe weather warnings, and safety advisories, the company points users to national weather services. Google DeepMind introduced WeatherNext 2 in November 2025 . That model beat the first WeatherNext generation on 99.9 percent of all meteorological variables and forecast windows while running eight times faster, processing hundreds of weather scenarios in under a minute on a single TPU. It was built on the Functional Generative Network that also underpins WeatherNext 3. WeatherNext 2 already powered Google Search, Gemini, Pixel Weather, and the Weather API. In August 2026, DeepMind released WeatherNext 2 and WeatherNext Cyclones under an open license . The cyclone model predicts tropical storm tracks and intensity in a single system and looks about a day further ahead than leading operational models, despite using a grid roughly a hundred times coarser. In late 2024, DeepMind released GenCast , the first probabilistic AI weather model to outperform the ECMWF's ensemble system. AI News Without the Hype – Curated by Humans Subscribe to THE DECODER for ad-free reading, a weekly AI newsletter, our exclusive "AI Radar" frontier report six times a year, full archive access, and access to our comment section. Subscribe now Source: Google
구글 딥마인드 날씨예보 AI모델 재생에너지