In questo articolo Indice dei contenuti 3 sezioni
I modelli WeatherNext2 e WeatherNext Cyclones di Google diventano open source e questo cambia parecchio le carte in tavola per la meteorologia mondiale. L’annuncio arriva dalle divisioni DeepMind e Research, e non è un dettaglio da poco visto che parliamo di strumenti capaci di prevedere i cicloni tropicali con un’accuratezza che fino a ieri sembrava fantascienza. A dare peso alla notizia c’è anche uno studio pubblicato su Nature, la rivista scientifica che raramente si sbilancia se non davanti a risultati solidi.
Codice aperto per tutti i ricercatori del mondo
La svolta sta tutta qui. Con un post sul blog ufficiale del team DeepMind, Google ha reso pubblici codice sorgente e pesi dei due modelli su GitHub. Un cambio di rotta importante, se si pensa che nel novembre del 2025 WeatherNext2 era stato presentato come tecnologia proprietaria, pensata per arricchire servizi commerciali tipo l’app Meteo Pixel, Google Maps, la Ricerca Google e Gemini.
Adesso invece il colosso di Mountain View mette tutto a disposizione gratis. L’obiettivo dichiarato è ambizioso ma concreto, offrire alla comunità scientifica strumenti in grado di anticipare i disastri naturali e, in ultima analisi, salvare vite. Non un annuncio di facciata insomma, ma qualcosa che nelle mani giuste può fare davvero la differenza.
Lo studio su Nature serve proprio a certificare la bontà di questa tecnologia. Il problema dei modelli tradizionali è sempre stato di tipo strutturale. La traiettoria di un ciclone dipende da grandi correnti atmosferiche, analizzate da modelli grossolani, mentre l’intensità è guidata da micro processi termodinamici nel cuore della tempesta, che richiedono invece modelli locali ad alta risoluzione. Due mondi separati, difficili da far dialogare.
Un giorno di preavviso in più, ovvero dieci anni di progressi
WeatherNext manda in soffitta questa divisione, unificando previsione di traiettoria, intensità e struttura dei venti in un unico modello. Il risultato? Un giorno intero di preavviso in più rispetto ai sistemi precedenti. Secondo i ricercatori, un salto del genere equivale a circa dieci anni di progressi meteorologici condensati in un solo passo evolutivo.
Le parole del team lo confermano senza mezzi termini. “Abbiamo raggiunto un traguardo storico, guadagnando oltre un giorno di anticipo nella previsione dei cicloni, un vantaggio equivalente a un decennio di progressi meteorologici. In vista delle prossime stagioni delle tempeste, invitiamo ricercatori, agenzie meteorologiche ed esperti a collaborare con noi, a sviluppare i nostri modelli open source e a esplorare le nostre previsioni su Weather Lab. Combinando l’apprendimento automatico avanzato con l’indispensabile esperienza sul campo dei previsori umani, puntiamo a creare un ecosistema collaborativo per le previsioni meteorologiche in grado di salvare vite umane e aiutare le comunità ad adattarsi ai cambiamenti climatici.”
I numeri dell’addestramento raccontano bene la portata del progetto. Il sistema è stato co addestrato su due canali di dati, 20 terabyte di informazioni atmosferiche globali insieme al database storico IBTrACS, che raccoglie le rilevazioni di quasi 5.000 tempeste del passato.
Il banco di prova con l’uragano Melissa
La teoria è una cosa, il campo un’altra. E qui WeatherNext Cyclones ha già dato prova di sé. Durante la stagione degli uragani del 2025 ha affiancato il National Hurricane Center statunitense nella previsione dell’uragano Melissa in Giamaica, indovinando con altissima precisione sia la rapida intensificazione del vento sia il punto esatto di approdo, quello in cui l’occhio del ciclone passa dal mare alla terraferma. Un anticipo prezioso per le squadre di soccorso.
Sul piano tecnico i modelli si basano sulle reti Functional Generative Networks, capaci di calcolare scenari probabilistici a 15 giorni in meno di un minuto su un singolo chip TPU. Se l’anno scorso si parlava di cinquanta simulazioni simultanee, oggi il modello arriva a generare fino a 1.000 scenari diversi per ogni ciclone, così da individuare rapidamente anche i casi più rari ma potenzialmente catastrofici.
C’è poi un dettaglio che sorprende. WeatherNext Cyclones non ha bisogno di potenze di calcolo mostruose, dato che lavora con dati a risoluzione 28 x 28 km, ovvero 100 volte più grossolana rispetto ai modelli fisici classici. E per chi vuole sperimentare senza troppe pretese, Google mette a disposizione anche WeatherNext2 mini, versione compatta che gira su una singola TPU con dati a risoluzione 111 x 111 km, accessibile gratis a qualsiasi ricercatore o appassionato tramite Colab Notebook.
