天気予報における AI クイズ

クイズに答えると、答えと解説が表示されます。

1. GraphCast などの主要な AI 気象モデルは主にどのデータセットでトレーニングされますか?
   • 約40年間の地球規模の気象をERA5で再分析
   • ライブ衛星ビデオフィードのみ
   • 1 年間の米国レーダー データ
   • 手書きでラベルを付けた嵐の写真
2. GraphCast のような AI モデルは、従来の数値天気予報と根本的にどう違うのでしょうか?
   • 同じスーパーコンピューター上で物理方程式をより速く解くことができます。
   • 大気物理学をシミュレートするのではなく、過去のデータからパターンを学習します
   • 気温のみを予測し、それ以外は何も予測しません
   • 現在の大気に関する入力データは必要ありません
3. GraphCast はどのようにして 6 時間の予測ステップから 10 日間の予測を生成するのでしょうか?
   • 40 個の独立したモデルを実行します
   • 今日から 10 日目までを直線的に補間します。
   • 自身の出力を繰り返し (自己回帰的に) フィードバックします。
   • 10 個の異なる衛星画像を平均します
4. Roughly how long does the GraphCast paper report for generating a 10-day global forecast on a single Google Cloud TPU v4?
   • 約6時間
   • 丸二日
   • 1週間
   • 1分以内
5. What result did the GraphCast paper report across its 1,380 verification targets?
   • It outperformed the operational deterministic baseline on 90% of the evaluated targets
   • It outperformed on every target in every weather situation
   • It matched the baseline on exactly half of all targets
   • It was evaluated only on one tropical cyclone
6. GenCast モデルは、単一の決定論的な予測と比較して何を追加しますか?
   • 高解像度の衛星画像
   • 不確実性を定量化する確率的アンサンブル予測
   • 自動ニュースレポート
   • すべてのレーダーシステムの代替品
7. What spatial representation does GraphCast use for atmospheric variables?
   • A sequence of text-only tokens
   • A single unconnected pixel at each latitude
   • A high-resolution multi-scale mesh processed with graph neural networks
   • A fixed lookup table with no learned graph
8. What forecast horizon and time interval did GenCast report in its paper?
   • A 1-day regional forecast at 1-minute steps
   • A 6-hour forecast at 24-hour steps
   • A 30-day climate average with no time steps
   • A 15-day global forecast at 12-hour steps