구글 딥마인드가 태풍 예보 모델 '웨더넥스트(WeatherNext)' 연구를 네이처에 실었다. 그리고 모델을 공개한다고 했다.

핵심 숫자는 하루다.

3일 뒤 예보가 예전 2일 뒤만큼 맞는다

딥마인드는 예보관에게 평균 하루치 예측 정확도를 더 준다고 밝혔다. 이 모델의 3일 예보가 기존 모델이 이틀 앞까지만 내줄 수 있던 수준만큼 맞는다는 뜻이다.

태풍은 한 시간이 아쉬운 재해다. 딥마인드가 인용한 수치로는 지난 50년간 전 세계에서 70만 명 넘는 사망과 1조 4,000억 달러의 경제적 손실이 열대성 저기압에서 나왔다.

지난 20년 추세에 비춰보면 이번 향상은 10년치 진전에 해당한다는 게 딥마인드의 설명이다.

경로만 잘 맞힌 게 아니다. 경로·강도·바람 구조 세 가지 모두에서 최고 수준 정확도를 냈다고 했고, 2023~2024년 실제 태풍으로 평가했을 때 셋 다 하루(24시간) 넘는 선행 시간을 벌었다.

원래 경로와 강도는 다른 모델이 맡았다

여기가 기술적으로 재미있는 대목이다.

태풍이 어디로 갈지(경로)는 거대한 전 지구 대기 흐름이 밀어서 정해진다. 그래서 성긴 전지구 모델이 잘 맞혔다. 반면 얼마나 세질지(강도)는 태풍 중심부의 아주 국소적인 열역학 과정이 좌우한다. 이건 해상도 높은 지역 모델의 몫이었다.

그래서 지금까지는 둘 중 하나를 고르는 문제였다. 웨더넥스트는 이걸 한 모델로 합쳤다.

합친 방법도 상식과 어긋난다. 보통은 해상도를 높여야 강도 예측이 정확해진다고 봤는데, 웨더넥스트 사이클론은 28×28km 해상도 데이터만 있으면 된다. 기존 모델보다 100배 성긴 값이다.

대신 학습에 두 종류를 같이 썼다. 전 지구 기상 역학과, 전문가가 정리한 과거 태풍 관측이다. 대기 데이터 약 20테라바이트와 폭풍 약 5,000건이 담긴 IBTrACS 데이터베이스를 끝에서 끝까지 함께 학습시켰다.

속도도 같이 얘기했다. TPU 한 장에서 15일 예보 하나를 1분 안에 만든다. 1,000개짜리 앙상블을 돌리면 열대저압부에서 허리케인급 바람까지의 확률 지도를 지역 단위로 뽑는다.

허리케인 멜리사에서 이미 쓰였다

논문 얘기만은 아니다. 2025년 허리케인 시즌에 이 모델이 미국 국립허리케인센터(NHC)를 도왔다고 딥마인드는 밝혔다.

허리케인 멜리사의 급격한 강화와 자메이카 상륙을 예측했고, NHC 가 사전 경보를 낼 수 있었다. 현장 대응 인력이 준비할 시간을 벌었다는 것이다.

연구에는 딥마인드·구글 리서치 연구진과 함께 NHC, 대기연구협력연구소(CIRA), 영국 기상청, 그리고 각국 기상기관의 전문 예보관들이 참여했다.

코드와 가중치를 푼다

논문과 함께 코드와 모델 가중치를 공개한다. 누구나 받아서 그 위에 만들 수 있다는 얘기다.

공개 대상은 세 가지다.

  • 웨더넥스트 사이클론 — 허리케인 시즌에 실제로 돌린 모델. 논문의 결과가 이것이다
  • 웨더넥스트 2 — 이후 갱신본으로 10월에 운영에 투입됐다
  • 웨더넥스트 2-미니 — 111×111km 로 더 성긴 축소판. TPU 한 장에서 돌아간다

학술 연구든 실제 예보 운영이든, 지역에 특화된 모델을 새로 만드는 일이든 쓰라는 취지다.

예보를 직접 보고 싶으면 웨더 랩(Weather Lab)이 있다. 최근 인터페이스를 새로 하고 태풍 경로 외에 전 지구 기상 예보까지 넣어, 기온·강수·풍속 등을 한 화면에서 볼 수 있게 했다.

출처 · Google DeepMind 공식블로그 — AI model achieves breakthrough in forecasting cyclones

Google DeepMind has published its WeatherNext cyclone-forecasting research in Nature — and says it is open sourcing the model.

The number that matters is one day.

A three-day forecast now matches yesterday's two-day one

DeepMind says the model gives forecasters an extra day's worth of predictive accuracy on average: its three-day forecasts are as good as what prior models could provide for only the next two days.

Cyclones are a disaster where every hour counts. By the figures DeepMind cites, tropical cyclones caused more than 700,000 deaths and $1.4 trillion in economic losses worldwide over the past 50 years.

Measured against the trend of the last 20 years, DeepMind says this improvement is equivalent to a decade of progress.

It is not just the track. The model reached state-of-the-art accuracy on track, intensity and wind structure alike, and when evaluated on real cyclones from 2023 to 2024 it gained more than a full day of lead time on all three.

Track and intensity used to need different models

This is the technically interesting part.

Where a cyclone goes is steered by massive global atmospheric currents, which coarse global models handled best. How strong it gets is driven by highly localized, fine-scale thermodynamic processes around its core — the job of specialized, higher-resolution local models.

So it was a choice between the two. WeatherNext folds both into one model.

How it does that runs against intuition. Very high spatial resolution was considered the main driver of accurate intensity forecasts, yet WeatherNext Cyclones only needs data at 28x28km — 100x coarser than traditional models.

Instead it was co-trained on two modalities: global weather dynamics, and expert-curated historical cyclone observations. Training ran end to end on nearly 20 terabytes of global atmospheric data and the IBTrACS database of nearly 5,000 historical storms.

Speed came up too. A single 15-day forecast takes under a minute on a TPU. Running a 1,000-member ensemble produces localised probability maps of tropical storm to hurricane-force winds.

It was already used on Hurricane Melissa

This is not only a paper. During the 2025 hurricane season the model helped the US National Hurricane Center, DeepMind says.

It predicted Hurricane Melissa's rapid intensification and landfall in Jamaica, letting the NHC issue an advance warning that gave teams on the ground critical time to prepare.

The work brought together researchers at Google DeepMind and Google Research with expert forecasters at the NHC, the Cooperative Institute for Research in the Atmosphere, the UK Met Office and weather agencies around the world.

The code and the weights are going out

Alongside the Nature paper, DeepMind is releasing the code and model weights freely for anyone to build on.

Three releases.

  • WeatherNext Cyclones — the model that actually ran during the hurricane season; the paper's results are from this one
  • WeatherNext 2 — a later update, operationalized in October
  • WeatherNext 2-mini — a compact version at a coarser 111x111km resolution that runs on a single TPU

The stated intent covers academic research, operational forecasting, and building more specialized, localized models.

To just look at forecasts, there is Weather Lab, recently refreshed with a new interface and expanded beyond cyclone tracks to global weather — temperature, precipitation, wind speed and more in a single view.

Sources · Google DeepMind Blog