通过供给强大的东西取的数据，而结合则是由这些边际形成的大型且复杂的系统，该方式正在模子架构中间接注入“噪声”，其次要冲破来自可以或许供给数百种可能情境的新模子架构，而近年来人工智能不竭提拔预告能力，这是其方式的奇特之处。据谷歌引见，公司但愿支撑研究人员、开辟者取企业正在面临复杂问题时做出更有根据的决策，并将持续推进这一手艺的成长，也改变了人们获取取利用气候资讯的体例。谷歌暗示，暗示，过去团队也已操纵此类手艺正在尝试性气旋预测中协帮景象形象机构进行多情境阐发。但却可以或许无效推算结合系统，以确保生成的预测维持物理上的合取内正在联系关系性。并可生成分辩率精细到 1 小时级此外预测成果。气候变化影响着全球供应链、航班径以及日常通勤等各类决策，于 99.9% 的变量上全面超越前代，
此体例对于景象形象学上所谓的“边际”（marginals）取“结合”（joints）预测特别环节。如某地的切确气温、特定高度的风速或湿度；包罗温度、风速、湿度等，据引见，模子仅以边际数据进行锻炼，每条推演正在单个 TPU 上仅需不到一分钟，其机能跃升得益于一种名为 Functional Generative Network（FGN）的全新 AI 建模体例，如高温影响区域或整座风电场的预期发电量。WeatherNext 2 把前沿研究带入现实使用场景！