FourCastNetv2 bleibt robust: KI-Modell hält Hurrikan-Fernseher trotz Rausch

Ein neues arXiv‑Veröffentlichung zeigt, dass NVIDIAs KI‑Wettermodell FourCastNetv2 (FCNv2) auch bei starkem Rauschen in den Eingabedaten zuverlässig bleibt. Die Studie untersucht, wie das Modell auf unterschiedliche Störgrößen in der Anfangsbedingung reagiert und liefert wichtige Erkenntnisse für die Vertrauenswürdigkeit von KI‑Vorhersagen bei extremen Wetterereignissen.

Im ersten Experiment wurden die Anfangsbedingungen des Hurrikans Florence – basierend auf den Daten des European Centre for Medium‑Range Weather Forecasts (ECMWF) Reanalysis v5 – mit variierenden Mengen an Gaußschem Rauschen perturbiert. Die Ergebnisse zeigen, dass FCNv2 bei niedrigen bis moderaten Rauschpegeln die Hurrikanmerkmale exakt beibehält. Selbst bei hohen Rauschwerten bleibt die generelle Bahnenführung und Struktur des Sturms erhalten, während die Positionsgenauigkeit allmählich abnimmt. Das Modell unterschätzt jedoch konsequent die Intensität und Dauer des Sturms, unabhängig von der Rauschstärke.

Im zweiten Experiment startete das Modell mit vollständig zufälligen Anfangsbedingungen. Trotz dieser sinnlosen Eingaben erzeugte FCNv2 nach wenigen Zeitschritten zusammenhängende und glatte Vorhersagen, was auf eine Tendenz hin zu stabilisierten, geglätteten Ausgaben hindeutet. Diese Fähigkeit, selbst aus unsinnigen Daten konsistente Prognosen zu generieren, unterstreicht die Robustheit des Modells.

Die Autoren betonen, dass ihr Ansatz einfach und portabel ist und sich leicht auf andere datengetriebene KI‑Wettermodelle übertragen lässt. Diese Erkenntnisse sind ein bedeutender Schritt zur Verbesserung der Zuverlässigkeit von KI‑gestützten Wettervorhersagen, insbesondere bei der Prognose von Hurrikanen und anderen extremen Wetterereignissen.