Wie een bedrijf runt, weet hoe snel plannen stuklopen op iets simpels als het weer. Een druk weekend in de horeca, een bouwplanning, een retailactie, een logistieke route of een buiten event. Je hoeft geen meteoroloog te zijn om te snappen dat betere voorspellingen geld, rust en minder gedoe opleveren. NVIDIA zet nu een stap die het voor meer partijen haalbaar maakt om zélf met weer en klimaat AI te werken, doordat er drie nieuwe open modellen zijn toegevoegd aan de Earth 2 familie.
Wat NVIDIA precies openzet, en waarom dat belangrijk is
NVIDIA heeft drie nieuwe open source modellen uitgebracht binnen Earth 2. Samen dekken ze een groot deel van de keten die je nodig hebt om van ruwe waarnemingen naar bruikbare voorspellingen te gaan. Denk aan data assimilatie, forecasting, nowcasting en downscaling.
Het punt is niet dat jij morgen een weerbureau moet worden. Het punt is dat open modellen en open tooling het mogelijk maken om weersinformatie dichter bij je eigen operatie te brengen. Zeker als je afhankelijk bent van timing, capaciteit of risico, wil je minder afhankelijk zijn van één externe bron en meer grip krijgen op aannames, data en kosten.
Om sneller te starten verwijst NVIDIA naar twee open software onderdelen. Earth2Studio helpt met het bouwen van inference pipelines, zodat je de beschikbare checkpoints kunt draaien. PhysicsNeMo is bedoeld om modellen te trainen. Daarmee wordt het pad korter van experiment naar iets dat je echt kunt gebruiken.
Earth 2 als bouwdoos voor ‘eigen’ voorspellingen
Earth 2 is geen losse tool maar een verzameling versneld draaiende modellen en componenten die normaal gesproken verspreid zitten over verschillende systemen en teams. Het open karakter is hier niet alleen een licentie detail. Het betekent dat je kunt aanpassen en finetunen op jouw situatie, met je eigen data en op je eigen infrastructuur.
Dat laatste gaat over soevereiniteit. Als je met weer en klimaatdata beslissingen neemt die direct omzet, veiligheid of reputatie raken, wil je begrijpen waar de output vandaan komt en wat de beperkingen zijn. Met een open stack kun je die verantwoordelijkheid beter nemen, omdat je meer inzicht hebt en minder hoeft te gokken wat er achter de schermen gebeurt.
Earth 2 Nowcasting: van landelijk naar kilometer resolutie in minuten
De eerste release staat nu op Hugging Face: Earth 2 Nowcasting. Die draait op een nieuwe architectuur met de naam StormScope. Het idee is simpel maar in uitvoering lastig. Je gaat van grofmazige voorspellingen op landniveau naar kilometer resolutie voor de komende nul tot zes uur, zodat lokale stormen en gevaarlijk weer sneller zichtbaar worden.
Wat hierbij opvalt is de focus op neerslag op de korte termijn. NVIDIA claimt dat dit model op dat onderdeel beter scoort dan klassieke fysische modellen, juist doordat het stormdynamiek direct leert uit observaties. Het model voorspelt niet alleen afgeleide indicatoren, maar richt zich op satelliet en radardata als directe input en doel.
De huidige versie is getraind op wereldwijd beschikbare geostationaire satellietobservaties, specifiek GOES boven de Verenigde Staten en dan over CONUS. NVIDIA zegt er expliciet bij dat dezelfde aanpak ook toepasbaar is op andere regio’s met vergelijkbare satellietdekking. Voor ons in Nederland is dat een belangrijk nuancepunt. De methode is interessant, maar je hebt wel passende data nodig.
Wie de diepte in wil kan de bijbehorende paper erbij pakken: “Learning Accurate Storm Scale Evolution from Observations”.
Earth 2 Medium Range: tot 15 dagen vooruit, met meer dan 70 variabelen
De tweede release staat ook op Hugging Face: Earth 2 Medium Range. Die draait op de architectuur Atlas en is bedoeld voor voorspellingen tot 15 dagen vooruit. Dat gaat niet alleen om temperatuur en regen, maar om meer dan 70 variabelen zoals druk, wind en luchtvochtigheid.
Technisch gebruikt het een latent diffusion transformer om stapsgewijs veranderingen in de atmosfeer te voorspellen. Dat klinkt ingewikkeld, maar het praktische doel is helder. Je wil dat grote structuren in het weerbeeld intact blijven, zodat fouten minder snel opstapelen. Volgens NVIDIA presteert het op standaard benchmarks beter dan andere open modellen, waaronder GenCast, op de variabelen die in de praktijk vaak het meest gebruikt worden.
Als je wilt begrijpen hoe ze tot die aanpak zijn gekomen, is er een paper met een weinig sexy maar wel duidelijke titel: “Demystifying Data Driven Probabilistic Medium Range Weather Forecasting”.
Global data assimilation: de startfoto van de atmosfeer in seconden
De derde toevoeging komt binnenkort op Hugging Face: Earth 2 Global Data Assimilation. Die draait op HealDA. Hier zit een stuk dat veel mensen overslaan, terwijl het in de praktijk vaak de kwaliteit van je voorspelling maakt of breekt.
Voordat je überhaupt kunt voorspellen, heb je een goede ‘snapshot’ nodig van de huidige atmosfeer. Denk aan temperatuur, wind, vocht en luchtdruk op duizenden plekken op de wereld. Dat zijn de begincondities. Traditioneel kost het maken daarvan veel rekenwerk op supercomputers. NVIDIA stelt dat HealDA dit in seconden op GPU’s kan doen.
Belangrijker nog is de combinatie. Wanneer je dit koppelt aan Earth 2 Medium Range ontstaat een end to end AI pipeline die volgens NVIDIA de meest vaardige voorspellingen oplevert binnen het open segment. Bijbehorende paper: “HealDA: Highlighting the Importance of Initial Errors in End to End AI Weather Forecasts”. Die titel zegt meteen waar je op moet letten. Beginfouten werken door, dus de start is niet bijzaak.
Wat er al was, en hoe je praktisch begint
Deze drie sluiten aan op bestaande open NVIDIA modellen zoals FourcastNet3, CorrDiff, cBottle en DLESym. Het beeld dat ik hieruit haal is dat NVIDIA niet één model wil neerzetten, maar een complete gereedschapskist.
Wil je experimenteren zonder eerst maanden te bouwen, dan is Earth2Studio de logische start. Het is een open source Python omgeving waarmee je inference pipelines kunt opzetten en de beschikbare checkpoints kunt draaien. Als je verder wilt dan draaien en je eigen versie wilt trainen, dan kom je uit bij PhysicsNeMo.
Mijn advies als je dit overweegt binnen een organisatie is om het klein te houden. Kies één use case waar timing of risico geld kost, bijvoorbeeld planning rond piekdrukte, transport, buitenwerk of voorraad. Daarna kijk je pas of je eigen data toevoegt of een regio specifieke variant nodig hebt.
Handige verwijzingen om zelf te beoordelen of dit iets voor je is
NVIDIA verwijst naar een aantal concrete instappunten. De modelpakketten voor Earth 2 Nowcasting en Earth 2 Medium Range staan op Hugging Face, en de drie papers geven de onderbouwing en de testwijze. Er is ook een getting started video rond Earth2Studio.
Als je vooral ondernemer bent en geen data team runt, lees dan niet alles. Pak één paper, kijk naar de beperkingen, en stel jezelf de vraag waar je in jouw bedrijf minder afhankelijk wilt zijn van algemene voorspellingen. Daarna kun je pas beoordelen of open modellen voor jou een mooie kans zijn of vooral een interessant nieuwsbericht. Dat onderscheid maken bespaart je veel tijd en nog meer ruis.